3月7日音訊，中國科學(xué)院自動化研討所曾毅研討員課題組研討發(fā)現(xiàn)，人工智能與人類尚有顯著認(rèn)知差距：深度神經(jīng)網(wǎng)絡(luò)對幻覺輪廓“視而不見”。

該課題組近日在（Cell Press）細(xì)胞出版社旗下期刊Patterns上發(fā)表了一篇題為“Challenging Deep Learning Models with Image Distortion based on the Abutting Grating Illusion”的新研討。他們基于人類和生物視覺系統(tǒng)中普遍存在的幻覺輪廓現(xiàn)象啟示，提出了一種將機器學(xué)習(xí)視覺數(shù)據(jù)集轉(zhuǎn)換成幻覺輪廓樣本的辦法，量化丈量了當(dāng)前的深度學(xué)習(xí)模型對幻覺輪廓辨認(rèn)才能，實驗結(jié)果證明從經(jīng)典的到先進(jìn)的深度神經(jīng)網(wǎng)絡(luò)都難以像人一樣具有較好的幻覺輪廓辨認(rèn)才能。

論文中提到，神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)模型在過去十年中看似獲得宏大勝利，在許多給定的視覺任務(wù)中在指定方面超越了人類表現(xiàn)。但是，神經(jīng)網(wǎng)絡(luò)的性能依然會隨著各種圖像扭曲和損壞而降低。一個十分極端的例子是對立攻擊，經(jīng)過在圖片上施加人眼難以發(fā)覺的微擾，可以使神經(jīng)網(wǎng)絡(luò)模型徹底失效。而人類的視覺系統(tǒng)在這些問題上具有高度魯棒性，闡明深度學(xué)習(xí)與生物視覺系統(tǒng)相比依然存在基本性缺陷。

論文第一作者中科院自動化所類腦認(rèn)知智能課題組范津宇表示：“這項研討分離了認(rèn)知科學(xué)和人工智能，提出了將傳統(tǒng)機器視覺數(shù)據(jù)集轉(zhuǎn)換成認(rèn)知科學(xué)中的交織光柵幻覺圖像，初次對大量的公開預(yù)鍛煉神經(jīng)網(wǎng)絡(luò)模型的幻覺輪廓感知才能停止量化丈量，并且從神經(jīng)元動力學(xué)角度和行為學(xué)兩個角度檢驗深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)模型對幻覺輪廓的感知�！�

論文通訊作者中科院自動化所類腦認(rèn)知智能課題組擔(dān)任人曾毅研討員說：“我們以為這項研討大的特性是從認(rèn)知科學(xué)的角度檢驗和局部重新審視了當(dāng)前看似勝利的人工神經(jīng)網(wǎng)絡(luò)模型，并且證明人工神經(jīng)網(wǎng)絡(luò)模型與人腦視覺處置過程依然存在著很大差距，這還只是人工智能與人類認(rèn)知顯著間隔的冰山一角。大腦運作的機理和智能的實質(zhì)將繼續(xù)啟示人工智能，特別是神經(jīng)網(wǎng)絡(luò)的研討。如想從實質(zhì)上獲得打破，人工智能需求自創(chuàng)并受自然演化、腦與心智的啟示，樹立智能的理論體系，這樣的人工智能才會有久遠(yuǎn)的將來。”