UCLA的研究人員最近專門發(fā)文研究了“計算機視覺神經(jīng)網(wǎng)絡(luò)究竟有多好騙“這個問題。通過3個實驗，研究人員表明，在對玻璃材質(zhì)雕像、只有外形輪廓的圖像識別上，AI幾乎無能為力，成功率奇低。

雖然AI給人類帶來的方便已經(jīng)不勝枚舉，但越來越多的人仍然在擔(dān)心AI技術(shù)的快速應(yīng)用可能會奪走未來人類的工作，有時，這種想法甚至很有緊迫感。不過，一些研究人員不同意技術(shù)很快就會從人類手中奪走工作的想法。

加州大學(xué)洛杉磯分校（UCLA）的研究人員進(jìn)行了一些實驗，結(jié)果表明，“深度學(xué)習(xí)”的機器存在嚴(yán)重局限性。

AI未來還有很長的路要走

“以深度學(xué)習(xí)計算機網(wǎng)絡(luò)的人工智能機器到底有多聰明，這些機器與人類的大腦有多類似？近年來，對這個問題已經(jīng)取得了很大的進(jìn)步，但前方仍有很長的路要走，“加州大學(xué)洛杉磯分校的認(rèn)知心理學(xué)家團(tuán)隊在PLOS《計算生物學(xué)》期刊上發(fā)文提出了這一問題。

有AI技術(shù)的支持者表示，非常愿意使用這些神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)來完成多種多樣的個人任務(wù)，甚至完成通常要由人完成的工作。然而，在這項研究中的五個實驗的結(jié)果均表明，神經(jīng)網(wǎng)絡(luò)很容易受騙，網(wǎng)絡(luò)利用計算機視覺來識別目標(biāo)的方法與人類的視覺有很大不同。

“這些機器存在嚴(yán)重的局限性，我們需要了解這些局限性。”加州大學(xué)洛杉磯分校心理學(xué)教授，該研究論文的資深作者Philip Kellman說。

AI網(wǎng)絡(luò)很容易被騙

Kellman表示，機器視覺存在局限性。在第一個實驗中，研究人員的實驗對象是性能最好的深度學(xué)習(xí)網(wǎng)絡(luò)之一VGG-19，使用的是經(jīng)過修改的動物和目標(biāo)的彩色圖像。比如，和高爾夫球表面相同材質(zhì)的茶壺、身上有斑馬條紋的駱駝等等。結(jié)果VGG-19在40個對象中只有5個首選項是正確的。

第一個實驗中使用的部分圖像及實驗結(jié)果

“我們可以很容易地騙過這些人工智能系統(tǒng)，”該研究論文共同作者之一，加州大學(xué)洛杉磯分校心理學(xué)教授Lujing Lu說?！斑@些系統(tǒng)的學(xué)習(xí)機制遠(yuǎn)遠(yuǎn)沒有人類思維復(fù)雜?！?/p>

第二個實驗中使用的部分圖像及實驗結(jié)果

在第二個實驗中，心理學(xué)家向VGG-19展示了一些玻璃雕塑的圖片，并向第二個深度學(xué)習(xí)網(wǎng)絡(luò)展示了AlexNet。 VGG-19在所有測試兩個網(wǎng)絡(luò)的實驗中表現(xiàn)更好。這兩個神經(jīng)網(wǎng)絡(luò)都使用ImageNet的圖像數(shù)據(jù)集訓(xùn)練。

然而，兩個網(wǎng)絡(luò)都未能識別出圖像中的玻璃雕塑。

第三個實驗中使用的部分圖像及實驗結(jié)果

在第三個實驗中，研究人員向VGG-19和AlexNet展示了40幅黑色輪廓的白色圖像。目的是為了檢驗神經(jīng)網(wǎng)絡(luò)是否能夠通過其形狀識別物體。

研究人員得出結(jié)論，人類可以識別整個物體，而人工智能網(wǎng)絡(luò)可以識別物體的碎片。

“這項研究表明，這些系統(tǒng)在接受訓(xùn)練的圖像集合范圍內(nèi)得到了正確答案，但沒有考慮形狀。而對于人類來說，目標(biāo)的整體形狀是目標(biāo)識別的主要形式，而目前的目標(biāo)識別深度學(xué)習(xí)系統(tǒng)中似乎并不包括對整體形狀的識別?！癒ellman說。