人类和计算机可能被同样棘手的图像所欺骗鈴村健一

人类和计算机可能被同样棘手的图像所欺骗

计算机将图像解释为电吉他，非洲灰鹦鹉，草莓和孔雀。图片来源：John Hopkins。

人工智能研究的最终目标是完全模仿人类大脑现在，人类仍占上风，但AI正以惊人的速度前进。一些人认为，通过人工神经网络实现的人工智能仍然有很长的路要走，看看这些系统有时会被某些线索如模糊图像轻易愚弄。然而，一项新研究表明人类未必更好。研究结果表明，在某些情况下，人类可以做出同样错误的决定。研究人员指出，我们与我们在图像中构建的机器没有什么不同。

“大多数时候，我们这个领域的研究都是让计算机像人一样思考，”资深作家Chaz Firestone说，他是约翰霍普金斯大学心理与脑科学系的助理教授。“我们的项目恰恰相反 - 我们在问人们是否可以像电脑那样思考。”

快：什么是19×926？我会省你的麻烦 - 这是17,594。我的计算机花了不到几分之一的时间就给了我正确的答案。但是，虽然我们都知道计算机在处理原始数据方面比人类要好得多，但是在人类毫不费力地执行的其他领域，它们装备很差。例如，识别对象就是其中之一。我们可以很容易地认识到一个对象是一把椅子或一张桌子，这是AI最近才开始体面地执行的任务。

人工智能是自动驾驶汽车扫描周围环境，阅读红绿灯或识别行人的原因。在其他地方，在医学方面，认可机构正在梳理数百万张图像，从放射性扫描中发现癌症或其他疾病。每次迭代，这些机器都“学习”，并且能够在下次获得更好的结果。

但是，尽管取得了相当大的进步，但AI模式识别有时会出现严重错误。更重要的是，该领域的研究人员担心一些邪恶的特工可能会利用这一事实故意欺骗AI。只需重新配置一些像素就足以通过关闭AI。在安全上下文中，这可能很麻烦。

凡世通及其同事想要调查人类在AI无法得出明确答案的情况下如何公平。研究小组向1,800人展示了一系列先前欺骗过计算机的图像，并为参与者提供了与机器相同的标签选项。参与者必须猜测计算机选择了哪两个选项 - 一个是计算机的决定，另一个是随机答案。下面的视频解释了所有这些是如何工作的。

“这些机器似乎是以人类永远不会想象的方式错误识别物体，”凡士通说。“但令人惊讶的是，没有人真正测试过这一点。我们怎么知道人们看不到计算机做了什么？“

计算机将以下图像识别为数字时钟，填字游戏，王企鹅和突击步枪。图片来源：John Hopkins。

参与者在75％的时间内选择与计算机相同的答案。有趣的是，当游戏改变为让人们在计算机的第一个答案和下一个最佳猜测之间做出选择时，人类在91％的时间内验证了机器的首选。研究结果表明，人与机器之间的差距并不像有些人想象的那么大。至于研究的人员是否像机器一样，我个人认为框架有点偏。这些机器是由人类设计的，因此他们的意图是模仿人类的。如果有的话，这些研究结果表明，机器的行为越来越像人类 - 而不是相反。

“我们合作的神经网络模型可以模仿人类大规模的行为，但我们正在调查的现象被认为是该模型的一个关键缺陷，”主要作者周正龙说。“我们的研究能够证明这个缺陷可能没有人们想象的那么糟糕。它提供了一个新的视角，以及一个可以探索的新实验范例。“

纸箱堆码试验机

数显自动弹簧拉压力测试机

线材扭转试验机专利证书

地铁隔振弹簧疲劳试验机

活塞杆循环疲劳试验机