如今，即使是像自動駕駛汽車那樣用有功能算力的智能系統(tǒng)，也可能被蒙騙，以至于把胡亂的涂鴉誤以為是火車、柵欄或校車。
人們普遍認為，人們無法理解計算機怎么會被那些圖像騙過的，但在一項新的研究中，約翰霍普金斯大學的研究人員發(fā)現，實際上同樣的圖像很多人看到的跟計算機并無二致。
這些發(fā)現表明，現代計算機可能并沒有我們想象的那么不同于人類，同時也說明人工智能的進步正在不斷縮小人類與機器在視覺能力上的差距。這項研究最近發(fā)表在《自然通訊》科學雜志上。
“大多數時候，我們這個領域的研究都是關于使得計算機像人一樣思考，m.twshmhelmet.com，”資深作者、約翰霍普金斯大學心理和腦科學系助理教授查茲·費爾斯通（Chaz Firestone）說道，“我們的項目則恰恰相反——我們在問人們是否能像計算機一樣思考。”
四張抽象的圖片。你知道人工智能從中看出些什么嗎？從左到右，計算機將上面的四張圖分別誤以為是數字時鐘、縱橫拼字謎、國王企鵝和突擊步槍。
對人類來說輕而易舉的事情，對計算機來說往往是棘手的。長期以來，人工智能系統(tǒng)在做數學計算或記憶大量信息方面一直比人類出色，但幾十年來，人類在識別狗、貓、桌子或椅子等日常物體方面則一直占據優(yōu)勢。然而，最近，模仿大腦的“神經網絡”已經接近人類識別物體的能力，從而帶來了技術進步，推動自動駕駛汽車、人臉識別程序以及幫助醫(yī)生發(fā)現放射掃描圖像中的異常狀況的人工智能系統(tǒng)的發(fā)展。
但即使有了這些技術進步，也存在一個關鍵的盲點：圖像有可能被故意做手腳，使得神經網絡無法正確識別。這些圖片，被稱為對抗性的或愚弄性的圖片，是一個大問題。它們不僅可能為黑客所利用，從而造成安全風險，它們的存在也表明，同樣的圖像人類和機器實際上看到的東西卻全然不同。
在某些情況下，只需要重新配置一兩個像素，計算機就能把蘋果看成車輛。在其他的情況下，對于毫無意義的電視畫面，機器看到的卻是犰狳或百吉餅。
“這些機器如此錯誤識別物體，人類則似乎絕不會那么離譜。”費爾斯通指出，“但令人驚訝的是，沒有人真正檢驗過這一點。我們怎么知道人們看不出計算機看出的東西呢？”
四個抽象圖像。計算機以為上面的圖像(從左至右)分別是電吉他、非洲灰鸚鵡、草莓和孔雀。
為了檢驗這一點，費爾斯通和約翰霍普金斯大學認知科學專業(yè)大四學生周正龍(Zhenglong Zhou音譯)讓人們“像機器一樣思考”。機器只有相對較小的詞匯量來描述圖像中的東西。因此，費爾斯通和周正龍向人們展示了幾十張已經騙過計算機的圖片，并給人們提供了與計算機一樣的標簽選項。他們問人們，在兩種物體識別結果中計算機選定了哪一種——一種是計算機的真實結論，另一種是胡亂捏造的答案。圖片中那團難以名狀的東西是面包圈還是風車？事實證明，人們很大程度上都猜對了計算機做出的識別結果。
在75%的情況下，人們選擇的答案與計算機的識別結果一致�；蛟S更值得注意的是，98%的人傾向于像計算機那樣回答問題。
接下來，研究人員更進一步，讓人們在計算機最喜歡的答案和它的次優(yōu)猜測之間做出選擇；例如，圖片中那團難以名狀的東西是百吉餅還是脆餅干？人們再次驗證了計算機的選擇，91%的受試者選到了計算機的第一選擇。
即便是研究人員讓人們在48個選項中猜測圖片中的物體是什么，而且這些圖片看起來像靜態(tài)的電視畫面，絕大多數的受試者也選擇了機器所選的選項。在不同的實驗中，共有1800名受試者接受了測試。
“我們使用的神經網絡模型可以很大程度上模仿人類的行為，但我們正在研究的現象被認為是該模型的一個關鍵缺陷。”認知科學與數學專業(yè)學生周正龍表示，“我們的研究能夠提供證據，證明這一缺陷可能并不像人們想象的那么糟糕。它提供了一個新的視角，以及一個可以探索的新的實驗范式。”
周正龍打算在認知神經科學領域追求自己的事業(yè)，他從去年年初開始與費爾斯通一起展開這項研究。他們共同設計了研究，改進了方法，并為論文做了結果分析。
“約翰霍普金斯大學為本科生提供了大量的研究機會，機器人維修，但不同實驗室的研究經歷可能有所不同，這要看導師。”他說，“我的研究經歷非常寶貴。通過單獨與費爾斯通博士共事，我學到了很多東西——不僅僅是關于實驗設計，還有論文發(fā)表過程，m.twshmhelmet.com，以及在學術環(huán)境中進行完完整整的研究需要做些什么。”