人工智能可以告訴高爾夫球的茶壺嗎

2019-02-08 11:40:26來源：

被稱為深度學(xué)習(xí)計(jì)算機(jī)網(wǎng)絡(luò)的人工智能的形式有多聰明，這些機(jī)器與人腦的模仿程度有多接近?近年來，他們已經(jīng)有了很大的改進(jìn)，但仍有很長(zhǎng)的路要走，加州大學(xué)洛杉磯分校認(rèn)知心理學(xué)家團(tuán)隊(duì)在plos計(jì)算生物學(xué)雜志上報(bào)道。

支持者表示熱衷于使用這些網(wǎng)絡(luò)來完成許多個(gè)人任務(wù)，甚至傳統(tǒng)上由人們執(zhí)行的工作。然而，在這項(xiàng)研究中的五個(gè)實(shí)驗(yàn)的結(jié)果表明，很容易欺騙網(wǎng)絡(luò)，并且網(wǎng)絡(luò)使用計(jì)算機(jī)視覺識(shí)別物體的方法與人類視覺大不相同。

“這些機(jī)器有嚴(yán)重的局限性，我們需要了解，”加州大學(xué)洛杉磯分校的杰出心理學(xué)教授，該研究的高級(jí)作者philip kellman說。“我們說，'等等，不要那么快。'”

他說，機(jī)器視覺有缺點(diǎn)。在第一個(gè)實(shí)驗(yàn)中，心理學(xué)家展示了最好的深度學(xué)習(xí)網(wǎng)絡(luò)之一，稱為vgg-19，動(dòng)物和物體的彩色圖像。圖像已被更改。例如，高爾夫球的表面顯示在茶壺上;斑馬條紋放在駱駝上;并且在大象上顯示了藍(lán)色和紅色亞皆老街襪子的圖案。vgg-19排名第一，選擇正確的項(xiàng)目作為40個(gè)對(duì)象中只有5個(gè)的首選。

“我們可以很容易地欺騙這些人工系統(tǒng)，”聯(lián)合作者，加州大學(xué)洛杉磯分校心理學(xué)教授lujing lu說。“他們的學(xué)習(xí)機(jī)制遠(yuǎn)沒有人類思維復(fù)雜。”

vgg-19認(rèn)為大象是大象的可能性為0%，茶壺只有0.41%的可能性是茶壺。加州大學(xué)洛杉磯分校心理學(xué)研究生尼古拉斯·貝克說，這是一個(gè)高爾夫球的第一選擇，它表明人工智能網(wǎng)絡(luò)比其形狀更能看待物體的紋理。

“高爾夫球的出現(xiàn)是絕對(duì)合理的，但令人擔(dān)憂的是，茶壺不會(huì)出現(xiàn)在選擇中的任何地方，”凱爾曼說。“它沒有變形。”

凱爾曼說，人類主要從形狀上識(shí)別物體。研究人員懷疑計(jì)算機(jī)網(wǎng)絡(luò)使用的是另一種方法。

在第二個(gè)實(shí)驗(yàn)中，心理學(xué)家向vgg-19展示了玻璃雕像的圖像，并向第二個(gè)深度學(xué)習(xí)網(wǎng)絡(luò)展示了alexnet。vgg-19在所有測(cè)試兩個(gè)網(wǎng)絡(luò)的實(shí)驗(yàn)中表現(xiàn)更好。兩個(gè)網(wǎng)絡(luò)都經(jīng)過訓(xùn)練，可以使用名為imagenet的圖像數(shù)據(jù)庫(kù)識(shí)別物體。

然而，兩個(gè)網(wǎng)絡(luò)都表現(xiàn)不佳，無法識(shí)別玻璃俑。vgg-19和alexnet都沒有正確地將小雕像確定為他們的首選。一個(gè)大象雕像被兩個(gè)網(wǎng)絡(luò)評(píng)為大象幾率為0%。大多數(shù)熱門回應(yīng)令研究人員感到困惑，例如vgg-19選擇“goose”的“網(wǎng)站”和“北極熊”的“開啟者”。平均而言，alexnet在1,000個(gè)選項(xiàng)中排名第328位。

“這些機(jī)器與人類產(chǎn)生了非常不同的錯(cuò)誤，”盧說。

在第三個(gè)實(shí)驗(yàn)中，研究人員向vgg-19和alexnet展示了40幅黑色輪廓圖，白色圖像。前三個(gè)實(shí)驗(yàn)旨在發(fā)現(xiàn)設(shè)備是否通過其形狀識(shí)別物體。

這些網(wǎng)絡(luò)在識(shí)別諸如蝴蝶，飛機(jī)和香蕉等物品方面做得很差。

該實(shí)驗(yàn)的目的不是欺騙網(wǎng)絡(luò)，而是要了解他們是否以與人類相似的方式或以不同的方式識(shí)別物體，共同作者，加州大學(xué)洛杉磯分校心理學(xué)博士后學(xué)者gennady erlikhman說。

在第四個(gè)實(shí)驗(yàn)中，研究人員顯示兩個(gè)網(wǎng)絡(luò)都有40個(gè)圖像，這次是純黑色。

使用黑色圖像，網(wǎng)絡(luò)做得更好，在大約50%的對(duì)象的前五個(gè)選項(xiàng)中生成正確的對(duì)象標(biāo)簽。例如，vgg-19排名算盤的概率為99.99%，算盤和大炮的概率為61%。相比之下，vgg-19和alexnet各自認(rèn)為白錘(黑色輪廓)是錘子的可能性不到1%。

研究人員認(rèn)為這些網(wǎng)絡(luò)在黑色物體方面做得更好，因?yàn)檫@些物品缺乏凱爾曼所謂的“內(nèi)部輪廓” - 邊緣會(huì)混淆機(jī)器。

在實(shí)驗(yàn)五中，研究人員對(duì)圖像進(jìn)行了加擾，使其難以識(shí)別，但是它們保留了一些物體。研究人員選擇了vgg-19網(wǎng)絡(luò)最初獲得的六張圖像并對(duì)它們進(jìn)行了加擾。人類發(fā)現(xiàn)這些難以辨認(rèn)。vgg-19得到了六張圖片中的五張，并且在第六張圖片上接近了。

作為第五個(gè)實(shí)驗(yàn)的一部分，除了vgg-19之外，研究人員測(cè)試了加州大學(xué)洛杉磯分校的本科學(xué)生。十名學(xué)生被展示為黑色輪廓的物體 - 有些人難以辨認(rèn)，一些人被解讀，一些物體只有一秒鐘，有些只要學(xué)生想要查看它們。學(xué)生們正確識(shí)別出92%的未加擾對(duì)象和23%的加擾對(duì)象只需一秒即可查看。當(dāng)學(xué)生可以根據(jù)需要看到輪廓時(shí)，他們正確地識(shí)別出97%的未加擾對(duì)象和37%的加擾對(duì)象。

心理學(xué)家得出什么結(jié)論?

人類看到整個(gè)物體，而人工智能網(wǎng)絡(luò)識(shí)別物體的碎片。

“這項(xiàng)研究表明，這些系統(tǒng)在他們接受訓(xùn)練的圖像中得到了正確的答案而不考慮形狀，”凱爾曼說。“對(duì)于人類而言，整體形狀是物體識(shí)別的主要形式，而根據(jù)整體形狀識(shí)別圖像似乎根本不在這些深度學(xué)習(xí)系統(tǒng)中。”

有許多深度學(xué)習(xí)機(jī)器，研究人員認(rèn)為他們的研究結(jié)果廣泛適用于這些設(shè)備。

該研究部分得到了美國(guó)國(guó)家科學(xué)基金會(huì)的資助。