蓝冠总代 如果你能辨識這些
 
 
人工智慧還有很長的路要走。它需要明白在樹上爬的動物不一定是松鼠,也可能是貓咪;尖頭長柱狀物體也不一定是燈塔,有可能是風鈴;在鮮豔物體上的小生物不一定是蜜的蜂,也可能是蝸牛。
 
雖然人工智慧飛速進步,蓝冠总代但還沒有我們想像的強大。它也會犯錯,有些錯誤在我們看來甚至有些“低級”。
 
加州大學柏克萊分校的博士生介紹了一些真實案例,展示的7500張圖片案例,AI基本都在“自然對抗性案例“敗下陣來,精準度下降90%,準確度也只有2%左右。
 
雖然這些圖像在人類眼裡都非常好分辨,但AI的演算法下,蘑菇會認成椒鹽捲餅,綠色蜻蜓認成人孔蓋,呆萌的松鼠也認成體積大數倍的海獅。
 
不只辨識圖片出現大錯誤,想好好“調教”AI,將它引回正確道路也不容易。實驗案例證明了AI辨識目前分類器有深層缺陷,會過分依賴顏色,紋理和背景提示,同時,博士發現提高強健性的流行訓練技術也收效甚微。
 
這個資料庫是ImageNet的一個子集,它由不斷欺騙人工智慧的圖像組成,包含超過1400萬幅手工標記的圖像用於訓練AI。如果你想讓AI看到貓時就能認出這是貓,你只需要把它指向貓的類別,然後讓AI辨識就可以了。
 
雖然故意讓AI犯錯似乎是件無聊且瑣碎的事,蓝冠平台有实力吗但這都有意義.AI如果實際運用出現錯誤,那可能會造成無法彌補的嚴重後果。比如自駕車將行人誤認為紅綠燈,就可能引發交通事故。
 
網路也需要AI的辨識功能幫忙鑑別圖像內容.Facebook就曾披露如何使用AI工具做內容審核.Facebook的自動化AI工具主要表現在裸露,暴力,恐怖內容,仇恨言論,垃圾信件,虛假帳號和自殺預防七方面。
 
如果社交網路裸露和暴力圖片能成功被AI技術檢測,AI就能標記圖片敏感元素,進行高效處理和提示。這些圖片如果交給人工審核,不僅效率低,也會為審核人員帶來更多工作量和精神壓力。
 
祖克柏也說過”,建立可檢測乳頭的人工智慧系統,要比確定什麼是令人不適的語言要容易”。
 
人工智能辨識圖像就像人讀點字,圖像元素是一個個資訊點,最終要透過資訊點做最合理的猜測,這也像管道系統,不同管道連接最終形成系統。這種方法讓AI在特定圖像視覺處理能輕易超過人類。比如說在動植物物種辨識,AI就比人類更專業。
 
但部分成功還不能讓人對AI圖像辨識充滿信心,約克大學研究員阿米尔·罗森菲尔德就表示,“有各種各樣奇怪的事情發生,告訴我們目前的物體檢測系統是多脆弱。”