近期，加州大學(xué)洛杉磯分校的研究人員利用深度卷積網(wǎng)絡(luò)(DCNN)在對(duì)象分類方面取得了較大的突破，但他們還發(fā)現(xiàn)，AI與人類識(shí)物的方式是完全不同的：人類更傾向于根據(jù)物體的全局信息進(jìn)行分類，而機(jī)器卻對(duì)物體的局部信息敏感。

識(shí)別，是人類智能的重要組成部分。如果機(jī)器能夠比人類更快速的做到識(shí)別，其意義將是非常深遠(yuǎn)的。

然而，人類和機(jī)器識(shí)別事物的方式截然不同。

拿上圖舉例，對(duì)于圖(a)來說，人類能夠很快分辨出是一只熊，在速度和準(zhǔn)確性方面都遠(yuǎn)超于機(jī)器；但是對(duì)于圖(b)，機(jī)器算法能夠?qū)⑵錃w類為熊，而人類可能看上半天都無法識(shí)別是什么。

雖然目前在通過機(jī)器算法識(shí)別事物方面已經(jīng)有了一些突破性進(jìn)展，但即便是最先進(jìn)的算法、技術(shù)，也可能認(rèn)錯(cuò)事物：例如將電視機(jī)中的靜態(tài)畫面或者抽象的圖畫，誤認(rèn)為是真實(shí)世界中的事物。

這些困難很大程度上是難以消除的，因?yàn)槲覀儗?duì)這些神經(jīng)網(wǎng)絡(luò)如何“看”和“識(shí)別”事物沒有很好的理解。

最近，加州大學(xué)洛杉磯分校的研究人員在PLOS computing Biology上發(fā)表了一篇文章，這項(xiàng)研究正在測(cè)試神經(jīng)網(wǎng)絡(luò)，以了解它們的視覺極限以及計(jì)算機(jī)視覺和人類視覺之間的差異。

論文地址：

https://journals.plos.org/ploscompbiol/article?id=10.1371/journal.pcbi.1006613#sec001

他們提出了一種名為VGG-19的深度卷積神經(jīng)網(wǎng)絡(luò)。這是最先進(jìn)的技術(shù)，在ImageNet大規(guī)模視覺識(shí)別挑戰(zhàn)等標(biāo)準(zhǔn)化測(cè)試中已經(jīng)超越了人類。

并且還發(fā)現(xiàn)：人類更傾向于根據(jù)物體的全局信息進(jìn)行分類，而機(jī)器卻對(duì)物體的局部信息敏感。

這一結(jié)果將有助于解釋為什么神經(jīng)網(wǎng)絡(luò)在圖像識(shí)別中會(huì)犯人類從未犯過的錯(cuò)誤。

識(shí)別方式不同，使得AI擅于紋理識(shí)物，弱于輪廓

在第一個(gè)實(shí)驗(yàn)中，訓(xùn)練神經(jīng)網(wǎng)絡(luò)將圖像整理分類，歸入1000個(gè)不同的類別。

然后呈現(xiàn)出只有輪廓的圖像：所有的局部信息都丟失了，只留下物體的輪廓。

如果你能選對(duì)其中一個(gè)，你就比最先進(jìn)的圖像識(shí)別軟件強(qiáng)多了。

通常情況下，經(jīng)過訓(xùn)練的神經(jīng)網(wǎng)絡(luò)能夠識(shí)別這些對(duì)象，分類正確率達(dá)到90%以上。

而在研究輪廓的時(shí)候，這個(gè)數(shù)字降低到了10%。雖然人類觀察者幾乎總能產(chǎn)生正確的形狀標(biāo)簽，但神經(jīng)網(wǎng)絡(luò)似乎對(duì)圖像的整體形狀幾乎不敏感。

當(dāng)研究人員試圖讓神經(jīng)網(wǎng)絡(luò)對(duì)他們已經(jīng)識(shí)別出的玻璃雕像進(jìn)行分類時(shí)，出現(xiàn)了一個(gè)特別有趣的例子：當(dāng)我們很容易識(shí)別水獺或北極熊的玻璃模型時(shí)，神經(jīng)網(wǎng)絡(luò)將它們分別歸類為“氧氣面罩”和“開罐器”。

神經(jīng)網(wǎng)絡(luò)依賴于分類對(duì)象的紋理信息，而在這個(gè)例子中這些信息是丟失的，神經(jīng)網(wǎng)絡(luò)無法僅通過形狀來識(shí)別對(duì)象。

研究人員發(fā)現(xiàn)，當(dāng)神經(jīng)網(wǎng)絡(luò)明確地被訓(xùn)練用來識(shí)別物體輪廓的時(shí)候，圖像輪廓的輕微扭曲就足以再次欺騙AI，而不會(huì)對(duì)人類的判定造成影響。

神經(jīng)網(wǎng)絡(luò)似乎對(duì)物體的整體形狀不敏感，而是依賴于局部分布點(diǎn)之間的統(tǒng)計(jì)相似性，在此基礎(chǔ)上便有了進(jìn)一步的實(shí)驗(yàn)。

如果將圖像打亂，使整體形狀消失，但保留了局部特征，會(huì)有怎樣的結(jié)果呢?

事實(shí)證明，神經(jīng)網(wǎng)絡(luò)在識(shí)別“亂序版本”物體方面要比只有輪廓的物體要好得多，也快得多，即使在人類“基本無法識(shí)別”的時(shí)候也是如此。學(xué)生們只能對(duì)37%的被打亂的物體進(jìn)行分類，而神經(jīng)網(wǎng)絡(luò)成功的概率為83%。

更明智地使用神經(jīng)網(wǎng)絡(luò)，需先了解其運(yùn)作方式

作者Kellman說：“這項(xiàng)研究表明，這些系統(tǒng)在不考慮形狀的情況下，就能從訓(xùn)練過的圖像中得到正確的答案。對(duì)人類來說，整體形狀是物體識(shí)別的首要條件，而通過整體形狀識(shí)別圖像似乎根本不在這些深度學(xué)習(xí)系統(tǒng)考慮范疇當(dāng)中?！?/p>

人們可能天真地認(rèn)為，由于神經(jīng)網(wǎng)絡(luò)的許多層都是基于大腦神經(jīng)元之間的連接建立的模型，而且與視覺皮層的結(jié)構(gòu)非常相似，因此計(jì)算機(jī)視覺的運(yùn)作方式必然與人類視覺相似。

但是這種研究表明，雖然基本架構(gòu)可能類似于人類大腦，但由此產(chǎn)生的“思維”運(yùn)作方式卻截然不同。

研究人員目前可以漸漸地了解到神經(jīng)網(wǎng)絡(luò)中的“神經(jīng)元”在受到刺激時(shí)是如何運(yùn)作的，并將其與生物系統(tǒng)對(duì)相同刺激的反應(yīng)進(jìn)行比較。也許有一天，我們可以利用這些對(duì)比來了解神經(jīng)網(wǎng)絡(luò)是如何“思考”的，以及這些反應(yīng)與人類的不同之處。

但是，到目前為止，還需要更多的實(shí)驗(yàn)心理學(xué)來探索神經(jīng)網(wǎng)絡(luò)和人工智能算法是如何感知世界的。

針對(duì)神經(jīng)網(wǎng)絡(luò)的測(cè)試更接近于科學(xué)家如何嘗試?yán)斫鈩?dòng)物的感官或幼兒發(fā)育中的大腦，而不僅僅是開發(fā)一款軟件。通過將這種實(shí)驗(yàn)心理學(xué)與新的神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)技術(shù)相結(jié)合，可能會(huì)使它們更加可靠。

然而，這項(xiàng)研究表明，對(duì)于我們正在創(chuàng)造和使用的算法，仍有很多不解之處：

它們是如何運(yùn)作的；

它們是如何做出決策的；

它們與我們有何不同。

隨著神經(jīng)網(wǎng)絡(luò)在社會(huì)、科技發(fā)展中扮演著越來越重要的角色，如果我們想要明智而有效地使用它們，深入理解神經(jīng)網(wǎng)絡(luò)將是至關(guān)重要的——而不是只見樹木不見森林。