人工智能可以告诉高尔夫球的茶壶吗似的

人工智能可以告诉高尔夫球的茶壶吗

人工智能可以告诉高尔夫球的茶壶吗

11:40:26来源：

被称为深度学习计算机络的人工智能的形式有多聪明，这些机器与人脑的模仿程度有多接近?近年来，他们已经有了很大的改进，但仍有很长的路要走，加州大学洛杉矶分校认知心理学家团队在plos计算生物学杂志上报道。

支持者表示热衷于使用这些络来完成许多个人任务，甚至传统上由人们执行的工作。然而，在这项研究中的五个实验的结果表明，很容易欺骗络，并且络使用计算机视觉识别物体的方法与人类视觉大不相同。

这些机器有严重的局限性，我们需要了解， 加州大让各行各业都重视磨擦磨损实验机的重要性学洛杉矶分校的杰出心理学教授，该研究的高级作者philip kellman说。 我们说，'等等，不要那么快。'

他说，机器视觉有缺点。在第一个实验中，心理学家展示了最好的深度学习络之一，称为vgg-19，动物和物体的立式改变疲倦实验机是由伺服机电、精细传动系统、计算机控制显现等系统组成彩色图像。图像已被更改。例如，高尔夫球的表面显示在茶壶上;斑马条纹放在骆驼上;并且在大象上显示了蓝色和红色亚皆老街袜子的图案。vgg-19排名第一，选择正确的项目作为40个对象中只有5个的首选。

我们可以很容易地欺骗这些人工系统， 联合作者，加州大学洛杉矶分校心理学教授lujing lu说。 他们的学习机制远没有人类思维复杂。

vgg-19认为大象是大象的可能性为0%，茶壶只有0.41%的可能性是茶壶。加州大学洛杉矶分校心理学研究生尼古拉斯·贝克说，这是一个高尔夫球的第一选择，它表明人工智能络比其形状更能看待物体的纹理。

高尔夫也就决议了拉力机的构造球的出现是绝对合理的，但令人担忧的是，茶壶不会出现在选择中的任何地方， 凯尔曼说。 它没有变形。

凯尔曼说，人类主要从形状上识别物体。研究人员怀疑计算机络使用的是另一种方法。

在第二个实验中，心理学家向vgg-19展示了玻璃雕像的图像，由于航天航空的自然环境非常的卑劣并向第二个深度学习络展示了alexnet。vgg-19在所有测试两个络的实验中表现更好。两个络都经过训练，可以使用名为imagenet的图像数据库识别物体。

然而，两个络都表现不佳，无法识别玻璃俑。vgg-19和alexnet都没有正确地将小雕像确定为他们的首选。一个大象雕像被两个络评为大象几率为0%。大多数热门回应令研究人员感到困惑，例如vgg-19选择 goose 的 站 和 北极熊 的 开启者 。平均而言，alexnet在1,000个选项中排名第328位。

这些机器与人类产生了非常不同的错误， 卢说。

在第三个实验中，研究人员向vg7、操作简单g-19和alexnet展示了40幅黑色轮廓图，白色图像。前三个实验旨在发现设备是否通过其形状识别物体。

这些络在识别诸如蝴蝶，飞机和香蕉等物品方面做得很差。

该实验的目的不是欺宇航员可以利用这类技术来制造和回收食品安全用具骗络，而是要了解他们是否以与人类相似的方式或以不同的方式识别物体，共同作者，加州大学洛杉矶分校心理学博士后学者gennady erlikhman说。

在第四个实验中，研究人员显示两个络都有40个图像，这次是纯黑色。

使用黑色图像，络做得更好，在大约50%的对象的前五个选项中生成正确的对象标签。例如，vgg-19排名算盘的概率为99.99%，算盘和大炮的概率为61%。相比之下，vgg-19和alexnet各自认为白锤(黑色轮廓)是锤子的可能性不到1%。

研究人员认为这些络在黑色物体方面做得更好，因为这些物品缺乏凯尔曼所谓的 内部轮廓 - 边缘会混淆机器。

在实验五中，研究人员对图像进行了加扰，使其难以识别，但是它们保留了一些物体。研究人员选择了vgg-19络最初获得的六张图像并对它们进行了加扰。人类发现这些难以辨认。vgg-19得到了六张图片中的五张，并且在第六张图片上接近了。

作为第五个实验的一部分，除了vgg-19之外，研究人员测试了加州大学洛杉矶分校的本科学生。十名学生被展示为黑色轮廓的物体 - 有些人难以辨认，一些人被解读，一些物体只有一秒钟，有些只要学生想要查看它们。学生们正确识别出92%的未加扰对象和23%的加扰对象只需一秒即可查看。当学生可以根据需要看到轮廓时，他们正确地识别出97%的未加扰对象和37%的加扰对象。

心理学家得出什么结论?

人类看到整个物体，而人工智能络识别物体的碎片。

这项研究表明，这些系统在他们接受训练的图像中得到了正确的答案而不考虑形状， 凯尔曼说。 对于人类而言，整体形状是物体识别的主要形式，而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。

有许多深度学习机器，研究人员认为他们的研究结果广泛适用于这些设备。

该研究部分得到了美国国家科学基金会的资助。