一項研究顯示，人類看待事物的方式與電腦非常相似。該研究對人們的圖像識別能力進行了測試，要求他們“像機器一樣思考”。

研究人員向參與者展示了一些模糊的圖像，并要求他們在研究人員認為人工智能可能捕捉到的A或B的圖像之間做出選擇。

他們發(fā)現(xiàn)，在75%的情況下，人類和機器會選擇相同的答案，這表明兩者都可能被同樣地欺騙。

這些發(fā)現(xiàn)表明，人工智能的進步如何繼續(xù)縮小人類和機器視覺能力之間的差距。

長期以來，人工智能系統(tǒng)在記憶大量信息方面一直優(yōu)于人類。

人們曾認為，人類在識別狗、貓、桌子或椅子等日常物品方面具有優(yōu)勢。

這項研究表明，當人類看到驅動自動駕駛汽車的電腦所看到的東西時，他們同樣會被騙，把涂鴉誤認為火車、柵欄和校車。

根據(jù)約翰霍普金斯大學(John Hopkins University)的研究，最近，模仿大腦的“神經(jīng)網(wǎng)絡”已經(jīng)接近人類識別物體的能力。

這導致了關于自動駕駛汽車、人臉識別程序以及幫助醫(yī)生在放射掃描中發(fā)現(xiàn)異常的技術進步。

約翰霍普金斯大學(Johns Hopkins)心理與腦科學系助理教授、資深作者查茲?費爾斯通(Chaz Firestone)說:“我們這個領域的研究大多是讓電腦像人一樣思考。”

他說:“我們的項目恰恰相反，我們想知道人們是否能像電腦一樣思考?！?/p>

即使有了這些技術進步，也存在一個關鍵的盲點:有可能故意制造出神經(jīng)網(wǎng)絡無法正確看到的圖像。

這些圖像被稱為“對抗性”或“愚弄”圖像，是一個大問題，因為它們可能被黑客利用，并造成安全風險，但它們表明，人類和機器實際上看到的圖像非常不同。

在某些情況下，只需重新配置一兩個像素，就能讓一臺電腦把蘋果看作是一輛車。

在其他情況下，機器看到的犰狳和百吉餅看起來像是毫無意義的電視畫面。

費爾斯通教授說:“這些機器似乎以人類永遠無法識別的方式錯誤識別了物體?！?/p>

“但令人驚訝的是，沒有人真正測試過這一點。我們怎么知道人們看不見電腦所看見的東西?”

為了驗證這一點，費爾斯通教授和約翰霍普金斯大學認知科學專業(yè)大四學生Zhenglong Zhou讓人們“像機器一樣思考”。

機器只有相對較小的詞匯表來命名圖像。因此，費爾斯通教授和Zhou向人們展示了幾十張已經(jīng)欺騙了電腦的圖片，并給人們提供了與電腦相同的標簽選項。

具體而言，他們問人們，電腦會從給定的選項中如何決定物體是什么——一種是電腦的真實結論，另一種是隨機的答案。

“這團東西是面包圈還是風車?”

事實證明，人們非常贊同電腦得出的結論。

75%的情況下，人們會選擇與電腦相同的答案。

接下來，研究人員提出了更苛刻的要求，讓人們在電腦最喜歡的答案和次佳答案之間做出選擇。

在這個問題中，“這個斑點圖上的是百吉餅還是椒鹽卷餅?”人們再次驗證了電腦的選擇，91%的受訪者同意電腦的第一選擇。

即使當研究人員讓人們在48個選項中猜測物體是什么，甚至當這些圖片看起來像靜態(tài)的電視畫面時，絕大多數(shù)的受試者也選擇了機器所選擇的東西，遠遠高于隨機選擇的比例。

在不同的實驗中，共有1800名受試者接受了測試。

費爾斯通教授說:“我們發(fā)現(xiàn)，如果把一個人置于與電腦相同的環(huán)境中，突然之間，人就會傾向于與機器達成一致?！?/p>

“這仍然是人工智能的一個問題，但這并不是說電腦所見的和人類所見的完全不同。”