过度吹捧还是不明真相 人工智能真的有那么聪明吗？

　　【CNMO新闻】被称为深度学习计算机网络的人工智能有多聪明，而这些机器又是如何模仿人类大脑的呢？加州大学洛杉矶分校认知心理学家团队在PLOS计算生物学杂志上如是说道，尽管近年来，人工智能技术突飞猛进，但其前景依旧任重而道远。
　　人工智能支持者表示其能够用来完成许多个人任务，甚至是传统认为必须由人类执行的工作。然而，在这项研究中的五个实验的结果表明，深度学习计算机网络是非常容易被欺骗的，并且计算机视觉识别物体的方法与人类视觉大相径庭。
　　“这些机器有严重的局限性，对此我们还不够了解，”加州大学洛杉矶分校的顶尖心理学教授，同时也是该研究报告的第一作者Philip Kellman表示， “对于人工智能，我们的态度是还需要再等等。”他表示，机器视觉的缺点显而易见。在第一个实验中，他们向最好的深度学习网络之一，VGG-19，展示了动物和物体的彩色图像。但实际上，图片经过了一些修改，例如，高尔夫球的表面和茶壶组合在一起，斑马条纹和骆驼组合，甚至把大象和红蓝相间的菱形袜子图案结合在一起。在40个对象中，VGG-19只选对了5个。
　　“欺骗这些人工智能系统简直小菜一碟，”研究报告的作者，加州大学洛杉矶分校心理学教授Lujing Lu如是说， “他们的学习机制远没有人类思维复杂。”

人工智能

　　在第二个实验中，研究员向VGG-19展示了玻璃雕像的图像，并加入了第二个深度学习网络AlexNet作为对比。这两个人工智能都使用名为ImageNet的图像数据库，而VGG-19在此次实验中的表现更好。
　　但事实上，两个网络都表现不佳，无法识别玻璃雕像。VGG-19和AlexNet都没有正确地识别雕像，一个大象雕像被两个智能网络评为大象几率为0％。
　　在第三个实验中，研究人员向VGG-19和AlexNet展示了40幅黑色与白色图像，这三个实验旨在发现设备是否通过其形状识别物体。在实验中，这些系统在识别诸如蝴蝶，飞机和香蕉等物品方面做得很差。
　　在第四个实验中，研究人员向两个网络展示了40个纯黑色的图像。对于黑色图像，这两个神经网络做得更好，正确率大约有50％。例如，VGG-19认为算盘图案是算盘的概率为99.99％，大炮的概率为61％。相比之下，VGG-19和AlexNet各自认为黑色轮廓的白色锤子是锤子的可能性不到1％。
　　研究人员认为这些网络在黑色物体方面做得更好，因为这些物品缺乏Kellman认为人工智能不能识别的“内部轮廓” 。
　　在第五个实验中，研究人员对图像进行了干扰，使其难以识别，但它们保留了一些物体的形状。研究人员选择了VGG-19最初识别的六张图像，并对它们进行了处理。人类都很难辨认这些图案，但 VGG-19识别出了六张图片中的五张，并且第六张的答案非常接近正确答案。
　　作为第五个实验的一部分，除了VGG-19之外，研究人员还测试了加州大学洛杉矶分校的本科学生。他们向十名学生展示了黑色轮廓的物体，他们之中一些人无法辨认这些物体，还有些人只花了一秒就辨认出了这些物体。通过这些实验，研究人员得出了什么结论？
　　人类看到整个物体，而人工智能网络识别物品的一些细节。“这项研究表明，人工智能系统注重于细节而不考虑形状，” Kellman表示，“对于人类而言，整体形状是物体识别的主要形式，但是根据我们的研究结果来看，根据整体形状识别图像似乎根本不在这些深度学习系统中。”
　　目前已经出现了很多深度学习系统，而研究人员认为他们的研究结果广泛适用于这些系统。