人類與機(jī)器都依賴于神經(jīng)網(wǎng)絡(luò)來進(jìn)行目標(biāo)與面部識別。最新的證據(jù)顯示，這兩類視覺系統(tǒng)也具有相同的缺陷。

深度卷積神經(jīng)網(wǎng)絡(luò)以排山倒海之勢席卷了人工智能領(lǐng)域。確實(shí)，現(xiàn)在這些機(jī)器視覺已經(jīng)在面部識別、物體識別甚至是下圍棋等眾多領(lǐng)域頻頻完勝人類對手。

當(dāng)然，頗為諷刺的一點(diǎn)是，神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)框架很大程度上模擬了人類的大腦結(jié)構(gòu)。因此，機(jī)器視覺的深度神經(jīng)網(wǎng)絡(luò)宏觀結(jié)構(gòu)與人類大腦負(fù)責(zé)視覺的部分十分類似。盡管人類大腦經(jīng)歷了數(shù)百萬年的進(jìn)化，而另一者才剛剛問世數(shù)十年，但是這兩者的內(nèi)在的機(jī)理卻十分相似。

這種高度相似性就引發(fā)了一個有趣的問題：如果機(jī)器視覺與人類視覺工作機(jī)理相似，那么它們是否也受到相似的制約？面對相似的視覺挑戰(zhàn)時，機(jī)器視覺與人類視覺的表現(xiàn)是否一致？

近日，伊朗德黑蘭大學(xué)的薩義德·克萊德皮舍（SaeedRezaKheradpisheh）和其合作者們?yōu)槲覀兘议_了這一問題的答案。他們使用了同樣的圖片，對于人類和機(jī)器分別進(jìn)行了測試。研究發(fā)現(xiàn)，人類和機(jī)器確實(shí)會受到相同問題的困擾。

首先容小編介紹一點(diǎn)背景。在人類大腦中，負(fù)責(zé)視覺的通路包含了數(shù)層神經(jīng)元，每一層神經(jīng)元的作用，是逐步地從一張圖片中發(fā)掘出更多的信息，比如移動，形狀，顏色等等。這些神經(jīng)元之間相互聯(lián)接，形成了巨大的網(wǎng)絡(luò)。

深度卷積神經(jīng)網(wǎng)絡(luò)也擁有類似的結(jié)構(gòu)。它們也包含了許多層，每一層都包含了模擬神經(jīng)元的網(wǎng)絡(luò)回路，因此得名神經(jīng)網(wǎng)絡(luò)。

通過不斷的研究，計(jì)算機(jī)科學(xué)家們發(fā)現(xiàn)，當(dāng)神經(jīng)網(wǎng)絡(luò)中每一個神經(jīng)元層都用來從圖片中逐步發(fā)掘新信息時，神經(jīng)網(wǎng)絡(luò)具有最好的計(jì)算性能?？茖W(xué)家們研究單一神經(jīng)元層時發(fā)現(xiàn)，這些神經(jīng)元層所具有的功能與大腦中某些特定的神經(jīng)元具有驚人的相似性。

但是，盡管人類大腦擅于進(jìn)行目標(biāo)識別，但它并不是完美的。比如說，將一張圖片進(jìn)行某種變形，人類可能并不能很輕易地識別圖像中的目標(biāo)。

舉個例子，想象一下一張從側(cè)面拍攝的汽車照片。人們已經(jīng)開發(fā)出了成千上萬種對于圖片進(jìn)行變形的方法。比如說對圖片中的對象進(jìn)行平移，分割，或者是將其放大或者縮小。

除此之外，還有兩種旋轉(zhuǎn)方式。其一是“平面旋轉(zhuǎn)”，比如說將照片中的汽車上下顛倒。

另一種是“深度旋轉(zhuǎn)”（或者說立體旋轉(zhuǎn)）。在這種情形下，你需要將這個汽車想象成一個3D的物體。在深度上對汽車進(jìn)行旋轉(zhuǎn)，你看見的可能是汽車的前部，后部或者是四分之三側(cè)視像，等等。

但是，就兩張擁有著相同汽車的圖片而言，改變不同的視角對于識別汽車會造成多大的影響？顯然，有一些變形比另一些更為困難，但是具體是哪些變形？機(jī)器視覺是否也會遇到相同的困難？

為了找出答案，克萊德皮舍和其合作者們制作了多張含有四類不同物體的圖片。隨后，這些圖片被用于測試人類與深度神經(jīng)網(wǎng)絡(luò)物體識別能力。

在人類受試環(huán)節(jié)，電腦屏幕上會隨機(jī)出現(xiàn)一張照片，并顯示大約12.5毫秒。受試者們需要按下四個按鈕中的一個，來指出剛才看到的圖片中出現(xiàn)的是一輛車，一艘船，一輛摩托車或是一個小動物。

一共有89名受試者參加了實(shí)驗(yàn)，每一名受試者都瀏覽了960張圖片。研究者們根據(jù)每位受試者的反應(yīng)速度與正確率來衡量他們辨別物體能力的高低。

與此同時，研究團(tuán)隊(duì)使用了兩個目前在目標(biāo)識別領(lǐng)域最為強(qiáng)大的深度卷積網(wǎng)絡(luò)模型進(jìn)行了相同的測試。這兩個神經(jīng)網(wǎng)絡(luò)模型分別來自加拿大的多倫多大學(xué)和英國的牛津大學(xué)。

研究團(tuán)隊(duì)最終得出的結(jié)論頗為有趣?？巳R德皮舍說，“我們發(fā)現(xiàn)，人類視覺與深度卷積神經(jīng)網(wǎng)絡(luò)識別不同變形的水平大致相當(dāng)。目前看來，對于兩者而言，深度旋轉(zhuǎn)是最具挑戰(zhàn)性的變形方式，之后是圖片的縮放，平面旋轉(zhuǎn)和平面移動（最簡單）。”

這一看似有趣的研究實(shí)際上有著極為重要的應(yīng)用。簡單來說，計(jì)算機(jī)科學(xué)家們在未來為測試機(jī)器視覺創(chuàng)建圖像數(shù)據(jù)庫時，需要更加謹(jǐn)慎。將來，他們需要對那些機(jī)器難以識別的因素加以控制。

同時，這項(xiàng)研究也展示了利用卷積神經(jīng)網(wǎng)絡(luò)來幫助研究者們研究人類認(rèn)知的巨大潛力。在許多應(yīng)用場合中，某些特殊圖像的設(shè)計(jì)是一項(xiàng)至關(guān)重要的任務(wù)，比如航空管制識別，緊急出口標(biāo)志設(shè)計(jì)，救生設(shè)備說明書設(shè)計(jì)等。

使用人工對這些圖像進(jìn)行評估既耗時，又昂貴。但是，或許神經(jīng)網(wǎng)絡(luò)可以替代人類完成這些任務(wù)，或者至少過濾掉那些最差勁的設(shè)計(jì)樣本，從而大大減輕人類的工作負(fù)擔(dān)。

除此之外，基于這項(xiàng)研究，研究人員們或許還得以開發(fā)出不會與人類犯同樣錯誤的機(jī)器視覺系統(tǒng)。這類系統(tǒng)可以用來輔助人類在某些重要場合下，比如駕駛時的決策。

當(dāng)然，這一切都只是一個開始。神經(jīng)網(wǎng)絡(luò)的到來，對于那些原來只能由人類負(fù)責(zé)的任務(wù)而言，不啻于一次變革，在將來，這一變革還將繼續(xù)加速。