测试：人类看待事物会倾向于与AI机器达成一致

一项研究显示，人类看待事物的方式与电脑非常相似。该研究对人们的图像识别能力进行了测试，要求他们“像机器一样思考”。

研究人员向参与者展示了一些模糊的图像，并要求他们在研究人员认为人工智能可能捕捉到的A或B的图像之间做出选择。

他们发现，在75%的情况下，人类和机器会选择相同的答案，这表明两者都可能被同样地欺骗。

这些发现表明，人工智能的进步如何继续缩小人类和机器视觉能力之间的差距。

长期以来，人工智能系统在记忆大量信息方面一直优于人类。

人们曾认为，人类在识别狗、猫、桌子或椅子等日常物品方面具有优势。

这项研究表明，当人类看到驱动自动驾驶汽车的电脑所看到的东西时，他们同样会被骗，把涂鸦误认为火车、栅栏和校车。

根据约翰霍普金斯大学(John Hopkins University)的研究，最近，模仿大脑的“神经网络”已经接近人类识别物体的能力。

这导致了关于自动驾驶汽车、人脸识别程序以及帮助医生在放射扫描中发现异常的技术进步。

约翰霍普金斯大学(Johns Hopkins)心理与脑科学系助理教授、资深作者查兹•费尔斯通(Chaz Firestone)说:“我们这个领域的研究大多是让电脑像人一样思考。”

他说:“我们的项目恰恰相反，我们想知道人们是否能像电脑一样思考。”

即使有了这些技术进步，也存在一个关键的盲点:有可能故意制造出神经网络无法正确看到的图像。

这些图像被称为“对抗性”或“愚弄”图像，是一个大问题，因为它们可能被黑客利用，并造成安全风险，但它们表明，人类和机器实际上看到的图像非常不同。

在某些情况下，只需重新配置一两个像素，就能让一台电脑把苹果看作是一辆车。

在其他情况下，机器看到的犰狳和百吉饼看起来像是毫无意义的电视画面。

费尔斯通教授说:“这些机器似乎以人类永远无法识别的方式错误识别了物体。”

“但令人惊讶的是，没有人真正测试过这一点。我们怎么知道人们看不见电脑所看见的东西?”

为了验证这一点，费尔斯通教授和约翰霍普金斯大学认知科学专业大四学生Zhenglong Zhou让人们“像机器一样思考”。

机器只有相对较小的词汇表来命名图像。因此，费尔斯通教授和Zhou向人们展示了几十张已经欺骗了电脑的图片，并给人们提供了与电脑相同的标签选项。

具体而言，他们问人们，电脑会从给定的选项中如何决定物体是什么——一种是电脑的真实结论，另一种是随机的答案。

“这团东西是面包圈还是风车?”

事实证明，人们非常赞同电脑得出的结论。

75%的情况下，人们会选择与电脑相同的答案。

接下来，研究人员提出了更苛刻的要求，让人们在电脑最喜欢的答案和次佳答案之间做出选择。

在这个问题中，“这个斑点图上的是百吉饼还是椒盐卷饼?”人们再次验证了电脑的选择，91%的受访者同意电脑的第一选择。

即使当研究人员让人们在48个选项中猜测物体是什么，甚至当这些图片看起来像静态的电视画面时，绝大多数的受试者也选择了机器所选择的东西，远远高于随机选择的比例。

在不同的实验中，共有1800名受试者接受了测试。

费尔斯通教授说:“我们发现，如果把一个人置于与电脑相同的环境中，突然之间，人就会倾向于与机器达成一致。”

“这仍然是人工智能的一个问题，但这并不是说电脑所见的和人类所见的完全不同。”