人工智慧正在學習看見世界，但是其方式與人類不同

選自：MIT Technology Review 作者：Jamie Condliffe 編譯：RunlifeSunshine

人工智慧系統在模仿人類的生物功能，但是它們的視覺系統仍然不是完全按人類視覺原理工作的。

計算機視覺已經誕生一段時間了。圖片識別演算法也不會再像最初那樣犯愚蠢的錯誤。如今，它能準確地告訴你一張圖片中有一輛車。但是，它從圖片中識別物體的技巧可能不是人類所想的那樣。

絕大多數計算機視覺系統是通過神經網路識別圖片中的特徵，而這裡的神經網路是受到人類神經系統的啟發而設計出來的，而且兩者在結構上是相似的。最近， Facebook 和 Virginia Tech 的研究員們聲明，儘管兩者有共同之處，我們還是應該謹慎假定兩者以相同的原理髮揮作用。

為了準確掌握人類和人工智慧在分析圖片時各自發生了什麼，研究員們研究了兩者的視覺聚焦點。研究員向兩者提供模糊不清的圖片，詢問圖片中正在發生什麼，例如：「圖片中的貓在哪裡？」如果人類和人工智慧不能回答這樣的問題，研究員就有選擇地增加圖片的清晰度，直到兩者能準確回答問題。研究團隊使用幾種不同的演算法進行了重複測試。

顯然，人類和人工智慧都能提供答案。但是，有趣的是他們的做法是不同的。讓人類和人工智慧使用 1 到 -1 之間的數字評估模糊不清的圖片，1 表示完全肯定（例如：1 表示完全肯定圖片中某個模糊不清的物體是貓），-1表示完全否定。結果兩個人的平均估分是 0.63，而一個人和一個人工智慧系統的平均估分降到了 0.26 。

換言之，人工智慧和人類看到了相同的圖片，並被研究員問以相同的問題，且都正確理解了問題，但是兩者使用不同的視覺特徵去得出相同的結論。

這次研究結果是易於理解的，之前的研究已經暗示了這一點。在 2014 年，來自康奈爾大學和懷俄明州大學的研究團隊研究表明，人類可以創造出能愚弄人工智慧以為自己看到了某物的圖片，只需要創造出具有能讓人工智慧聯繫到某物體的強烈視覺特徵的圖片就可以了。而人類具有大量的常識知識庫，能分辨出相似的物體，所以不會被欺騙（比如：不會把圖片中的玩具貓看成是真貓）。研究員正在努力給計算機視覺系統增條一種新的智能軟體，就是能理解語義世界的軟體，將語義與視覺智能地結合起來。

但是，計算機視覺不是使用和人類完全一樣的視覺機制並不意味著計算機視覺更差。事實上，正是因為沒有完全按照人類視覺原理進行工作，計算機視覺可能做得更好。

在計算機視覺中使用的神經網路通常用到一種叫做監督式學習 (supervised learning) 的技術，用於理解圖片中發生的事情。歸根結底，計算機視覺之所以能將模型、紋理、形態與某個特定物體的名字聯繫在一起，是因為人類給人工智慧提供了海量圖片，從而訓練人工智慧識別圖片中的內容（這些內容已被人類分門別類）。

然而，Facebook 和 Google 的 DeepMind 已經使用非監督式學習 (unsupervised learning) 系統進行了試驗，讓人工智慧在沒有人的干預下從視頻和圖片中的內容中學習人臉和日常物體看起來像什麼。最近被 Twitter 收購的 Magic Pony 也避開了監督式學習，轉而讓人工智慧系統學習識別圖片中的統計模式，也就是辨別出物體的邊界、紋理和其它特徵是什麼樣的。

請您繼續閱讀更多來自 人工智慧學家 的精彩文章:

TAG:人工智慧學家 |

※喵星人的世界，你們人類是看不懂的！
※人工智慧不會主宰世界，反而正在幫助我們拯救地球，有實例證明！
※豐子愷：這個世界不是有錢人的世界，也不是無錢人的世界，它是有心人的世界
※人工智慧「睜眼」看到的是怎樣的世界
※他們可以用不同的思維看世界
※看看世界各地平凡崗位的人們，誰才是最可愛的人
※有一種智能眼鏡，可以看見你看不見的世界
※智子不是AI？淺談未來世界的人工智慧
※假如汪擁有人類的智商，世界將是這樣的！
※世界觸手可及，我卻看不見真正的世界？
※在鳥類的世界，父愛如此不同！
※人類和動物眼中的世界有何不同？
※一個人是否能活在世界上卻不渴求權力？
※老外的世界我们不懂，但这样的人确实不是很多啊
※「睡美人」不只是存在於童話里，世界真的存在睡美人
※我是個盲女，看不見五彩繽紛的世界，也看不見這個世界的骯髒不堪
※世界是自己的，與他人毫無關係
※傾聽｜世界很大，有人認識很多花
※動物看世界和人類看世界的區別，看看這幾張圖你就懂了