Facebook的研究表明，AI對(duì)物體并非無差異識(shí)別，計(jì)算機(jī)視覺系統(tǒng)能更加高效地識(shí)別更貴的家庭物體。

最近，F(xiàn)acebookAI研究人員在ARXIV上發(fā)表了一篇題為《物體識(shí)別對(duì)每個(gè)人都一樣有效嗎？》的論文，他們指出“與亞洲和非洲相比，系統(tǒng)更容易識(shí)別北美和歐洲家庭中的物品?！毖芯咳藛T公布了6個(gè)主流物體識(shí)別系統(tǒng)的分析，進(jìn)一步發(fā)現(xiàn)識(shí)別家庭物體的計(jì)算機(jī)視覺對(duì)高收入家庭更有效。

這項(xiàng)研究檢驗(yàn)了Facebook、Google Cloud、Microsoft Azure、AWS、IBM Watson和Clarifai開發(fā)的分類系統(tǒng)，旨在分析公共目標(biāo)識(shí)別系統(tǒng)在地理多樣性數(shù)據(jù)上的準(zhǔn)確性。

論文的數(shù)據(jù)包含家庭物品，希望比物體識(shí)別中常用的圖像數(shù)據(jù)有更具代表性的地理覆蓋范圍。他們發(fā)現(xiàn)，在家庭收入較低的國家，這些系統(tǒng)在家庭物品上的表現(xiàn)相對(duì)較差。性能下降主要是由于對(duì)象類（例如，洗碗皂）的外觀差異以及放置的不同環(huán)境（例如，浴室外出現(xiàn)的牙刷）造成的。

最終研究結(jié)果顯示，6個(gè)主流物體檢測系統(tǒng)的分析對(duì)富裕家庭的效果要比最貧窮家庭好10-20%。研究人員進(jìn)一步例證，F(xiàn)acebook在美國每月收入3500美元或以上的家庭與索馬里和布基納法索等國每月收入50美元或以下的家庭之間的準(zhǔn)確率差距高達(dá)20%。

物體識(shí)別是什么？

物體識(shí)別使用計(jì)算機(jī)視覺來辨別椅子、牙膏或衣服等事物之間的區(qū)別。它被眾多云服務(wù)公司以及面向消費(fèi)者的服務(wù)所利用，如谷歌助手的計(jì)算機(jī)視覺服務(wù)鏡頭和亞馬遜的風(fēng)格感知都利用了這項(xiàng)技術(shù)。Facebook使用目標(biāo)檢測進(jìn)行內(nèi)容審核，并為有視覺障礙的人識(shí)別屏幕上的東西。

研究結(jié)果表明，這個(gè)問題并不是存在于一個(gè)特定的物體識(shí)別系統(tǒng)，而是廣泛影響了包括Facebook在內(nèi)的眾多公司的工具，結(jié)果清楚地表明，未來整個(gè)行業(yè)包括Facebook需要做得更好。他們希望通過公布結(jié)果和闡述方法，讓更多AI研究人員和工程師可以利用這個(gè)程序來測試和比較自家識(shí)別系統(tǒng)的性能，然后更有效地為每個(gè)人服務(wù)。

造成貧富差異的原因是什么？

從地圖上看，F(xiàn)acebook的物體識(shí)別性能在南半球的表現(xiàn)最差。

為了測試物體識(shí)別系統(tǒng)的準(zhǔn)確性，研究人員使用了由Gapminder基金會(huì)對(duì)50個(gè)國家的264個(gè)家庭拍攝的圖像進(jìn)行匯編的開源數(shù)據(jù)集Dollar Street。

研究發(fā)現(xiàn)，當(dāng)下系統(tǒng)中的差異可能是由于眾多目標(biāo)探測系統(tǒng)在訓(xùn)練時(shí)使用的Imagenet幾乎完全是歐洲和北美的照片匯編而成。通過公共照片網(wǎng)站上的英語搜索獲得的照片也可能是美國和歐洲高收入環(huán)境過度表現(xiàn)的一個(gè)原因。事實(shí)上，F(xiàn)acebook計(jì)算機(jī)視覺研究人員在前些時(shí)間繪制非洲人口密度圖時(shí)，不得不重新定義房屋的類型。

Facebook表示，它計(jì)劃通過使用包含非英語標(biāo)簽的圖像對(duì)其卷積網(wǎng)絡(luò)進(jìn)行培訓(xùn)來解決這一缺陷。這項(xiàng)工作將在6月16日至20日在加利福尼亞長灘舉行的計(jì)算機(jī)視覺和模式識(shí)別領(lǐng)域的頂級(jí)會(huì)議（CVPR）上舉行的計(jì)算機(jī)視覺全球挑戰(zhàn)研討會(huì)上分享。