來自HSE大學和莫斯科理工大學的研究人員發(fā)現(xiàn)，AI模型由于缺乏與各自生理學的緊密耦合，無法代表人類視覺的特征，因此它們在識別圖像方面的能力較差。研究結果發(fā)表在第七屆國際信息和通信技術大會論文集上。

為了了解機器對圖像的感知與人類感知有何不同，科學家將經(jīng)典視覺錯覺的圖像上傳到IBMWatsonVisualRecognition在線服務。其中大部分是幾何輪廓，部分被背景顏色的幾何形狀隱藏。系統(tǒng)試圖確定圖像的性質，并在其響應中指出確定性的程度。

事實證明，人工智能無法識別任何虛構的圖形，除了彩色的虛構三角形。由于與背景的高對比度，它被正確識別。

“在現(xiàn)實生活中可以找到與我們在實驗中使用的對象相似的對象，”HSE計算機科學學院大數(shù)據(jù)分析方法實驗室的分析師、該研究的作者VladimirVinnikov說。“例如，汽車或飛機的自動駕駛儀感知拖車或無線電塔，在夜間僅由標記燈指示，就像我們感知想象的幾何形狀一樣。”

人的眼睛不由自主地不斷移動，其視網(wǎng)膜的感光面呈半球狀。如果圖像是矢量，即如果它包括參考點和連接它們的曲線，人們可以看到錯覺。由于不斷的眼球運動，人類的想象力將完成畫面，這是我們視覺的生理特征。

在光電系統(tǒng)中，一切都以不同的方式排列。它們的光敏矩陣是扁平的，通常是矩形，而且透鏡系統(tǒng)本身不像人眼那樣自由移動。因此，人工智能無法完成連接幾何錯覺碎片的虛構線條。機器視覺只看到實際描繪的內容，而人們根據(jù)其輪廓在想象中完成圖像。

如今，神經(jīng)網(wǎng)絡圖像識別系統(tǒng)正在商業(yè)領域積極傳播。然而，機器如何準確識別圖像的問題仍然懸而未決。人的生命可能取決于識別的準確性。例如，如果汽車或飛機的自動駕駛儀無法識別相對于背景對比度較低的物體并且無法及時躲避障礙物，則可能會發(fā)生事故。

科學家認為，機器圖像識別的不準確性是可以糾正的。例如，它們可以通過模擬允許眼睛看到二維和三維場景的眼球運動的生理特征來補充對表示像素網(wǎng)格的光柵圖像的識別。另一種方法是添加圖像的矢量描述，這將有助于對機器進行編程以沿著矢量指定的軌跡繞過圖像。

“想象中的物體絕對應該用作依賴于照片和視頻流識別的系統(tǒng)中的測試，例如，在汽車或無人機的自動駕駛儀中。這將有助于避免與在工業(yè)和工業(yè)中使用機器智能系統(tǒng)相關的風險。運輸系統(tǒng)，”Vinnikov說。

　　免責聲明：本文由用戶上傳，與本網(wǎng)站立場無關。財經(jīng)信息僅供讀者參考，并不構成投資建議。投資者據(jù)此操作，風險自擔。 如有侵權請聯(lián)系刪除！