中科院自动化所-人工智能与人类仍有显著认知差距

【环球网科技综合报道】3月7日，中国科学院自动化研究所研究员曾毅课题组发现，人工智能与人类之间仍存在显著的认知鸿沟：深度神经网络对错觉轮廓“视而不见”。

该研究小组最近在Cell Press期刊Patterns上发表了一项题为“基于对接光栅错觉的图像失真挑战深度学习模型”的新研究。受人类和生物视觉系统中广泛存在的错觉轮廓现象的启发，他们提出了将机器学习视觉数据集转化为错觉轮廓样本的方法，并定量测量了当前深度学习模型识别错觉轮廓的能力。实验结果证明，从经典到最高级的深度神经网络都很难像人类一样拥有良好的错觉轮廓识别能力。

论文中提到，神经网络和深度学习模型在过去十年中似乎取得了巨大的成功，在许多给定的视觉任务中超过了人类的表现。然而，神经网络的性能仍然会随着各种图像的失真和损坏而下降。一个非常极端的例子就是对抗攻击，通过对图片施加难以察觉的扰动，可以使神经网络模型完全失效。人类视觉系统在这些问题上具有很强的鲁棒性，这表明深度学习与生物视觉系统相比仍然存在根本性的缺陷。

论文第一作者樊金玉表示：“本研究结合了认知科学和人工智能，提出将传统的机器视觉数据集转化为认知科学中的交错光栅错觉图像，并首次定量测量大量公开预训练的神经网络模型的错觉轮廓感知能力，从神经元动力学和行为学角度测试深度学习和神经网络模型对错觉轮廓的感知。”

论文作者曾毅研究员表示：“我们认为这项研究的最大特点是从认知科学的角度审视和部分重新审视当前看似成功的人工神经网络模型，并证明人工神经网络模型与人类视觉处理过程之间仍有很大差距，这只是人工智能与人类认知之间显著距离的冰山一角。大脑运作的机制和智能的本质将继续启发人工智能，尤其是神经网络的研究。人工智能要想在本质上有所突破，需要借鉴和启发自然进化、大脑和思维，建立智能理论体系。这样的人工智能会有一个长远的未来。”