中科院自动化所：人工智能与人类尚有显著认知差距

3月7日音讯，中国科学院自动化研讨所曾毅研讨员课题组研讨发现，人工智能与人类尚有显著认知差距：深度神经网络对幻觉轮廓“视而不见”。

该课题组近日在（Cell Press）细胞出版社旗下期刊Patterns上发表了一篇题为“Challenging Deep Learning Models with Image Distortion based on the Abutting Grating Illusion”的新研讨。他们基于人类和生物视觉系统中普遍存在的幻觉轮廓现象启示，提出了一种将机器学习视觉数据集转换成幻觉轮廓样本的办法，量化丈量了当前的深度学习模型对幻觉轮廓辨认才能，实验结果证明从经典的到先进的深度神经网络都难以像人一样具有较好的幻觉轮廓辨认才能。

论文中提到，神经网络和深度学习模型在过去十年中看似获得宏大胜利，在许多给定的视觉任务中在指定方面超越了人类表现。但是，神经网络的性能依然会随着各种图像扭曲和损坏而降低。一个十分极端的例子是对立攻击，经过在图片上施加人眼难以发觉的微扰，可以使神经网络模型彻底失效。而人类的视觉系统在这些问题上具有高度鲁棒性，阐明深度学习与生物视觉系统相比依然存在基本性缺陷。

论文第一作者中科院自动化所类脑认知智能课题组范津宇表示：“这项研讨分离了认知科学和人工智能，提出了将传统机器视觉数据集转换成认知科学中的交织光栅幻觉图像，初次对大量的公开预锻炼神经网络模型的幻觉轮廓感知才能停止量化丈量，并且从神经元动力学角度和行为学两个角度检验深度学习和神经网络模型对幻觉轮廓的感知。”

论文通讯作者中科院自动化所类脑认知智能课题组担任人曾毅研讨员说：“我们以为这项研讨大的特性是从认知科学的角度检验和局部重新审视了当前看似胜利的人工神经网络模型，并且证明人工神经网络模型与人脑视觉处置过程依然存在着很大差距，这还只是人工智能与人类认知显著间隔的冰山一角。大脑运作的机理和智能的实质将继续启示人工智能，特别是神经网络的研讨。如想从实质上获得打破，人工智能需求自创并受自然演化、脑与心智的启示，树立智能的理论体系，这样的人工智能才会有久远的将来。”