【環球網科技綜合報導】3月7日消息，中國科學院自動化研究所曾毅研究員課題組研究發現，人工智慧與人類尚有顯著認知差距：深度神經網絡對幻覺輪廓「視而不見」。
該課題組近日在（Cell Press）細胞出版社旗下期刊Patterns上發表了一篇題為「Challenging Deep Learning Models with Image Distortion based on the Abutting Grating Illusion」的新研究。他們基於人類和生物視覺系統中廣泛存在的幻覺輪廓現象啟發，提出了一種將機器學習視覺數據集轉換成幻覺輪廓樣本的方法，量化測量了當前的深度學習模型對幻覺輪廓識別能力，實驗結果證明從經典的到最先進的深度神經網絡都難以像人一樣具有較好的幻覺輪廓識別能力。
論文中提到，神經網絡和深度學習模型在過去十年中看似取得巨大成功，在許多給定的視覺任務中在指定方面超過了人類表現。然而，神經網絡的性能仍然會隨著各種圖像扭曲和損壞而降低。一個非常極端的例子是對抗攻擊，通過在圖片上施加人眼難以察覺的微擾，能夠使神經網絡模型徹底失效。而人類的視覺系統在這些問題上具有高度魯棒性，說明深度學習與生物視覺系統相比仍然存在根本性缺陷。
論文第一作者中科院自動化所類腦認知智能課題組范津宇表示：「這項研究結合了認知科學和人工智慧，提出了將傳統機器視覺數據集轉換成認知科學中的交錯光柵幻覺圖像，首次對大量的公開預訓練神經網絡模型的幻覺輪廓感知能力進行量化測量，並且從神經元動力學角度和行為學兩個角度檢驗深度學習和神經網絡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知智能課題組負責人曾毅研究員說：「我們認為這項研究最大的特點是從認知科學的角度檢驗和部分重新審視了當前看似成功的人工神經網絡模型，並且證明人工神經網絡模型與人腦視覺處理過程仍然存在著很大差距，這還只是人工智慧與人類認知顯著距離的冰山一角。大腦運作的機理和智能的本質將繼續啟發人工智慧，特別是神經網絡的研究。如想從本質上取得突破，人工智慧需要借鑑並受自然演化、腦與心智的啟發，建立智能的理論體系，這樣的人工智慧才會有長遠的未來。」