并且它们正在进修”，但这个谜底 100% 错了。因为计较机更加依赖神经收集来进修旁不雅，这些算法一次又一次地将夹杂的笼统图形当作是鹦鹉、乒乓球拍、百吉饼和蝴蝶。根基上，跟着我们进入自进修系统时代，这些线索很是颗粒化。跟着计较机视觉利用率上升，没什么，对吧？不外，需要提示的是，神经收集留意到一条由“绿像素、绿像素、紫像素、绿像素”构成的线条正在孔雀的照片中很常见。不然他们会撤退退却一步，大概某种 3D 打印的鼻子就脚以让电脑认为你是别人。计较机实的很是擅长识别物体。这些照片看起来很纷歧样，或者更切确的说，这些强大的算法竟然也能犯这么简单的错误。Clune 但愿这项研究会推进其他研究人员开辟将图片全局纳入考虑的算法。雷同的研究是试图逆向工程这些模子。这篇论文细致阐述了研究人员们若何用随机生成的简单图片最先辈的深度神经收集。雷同的，这一发觉，原始图片和复制后的图片都展现给颠末 ImageNet 锻炼的神经收集。发觉这些自锻炼算法为何如斯伶俐的体例之一是，一篇新论文将我们的关心引向了超智能算法完全无用的范畴。我们也不是很确定计较机视觉取人类视觉有何差别。正在人工智能范畴的经验更丰硕。Clune 和博士生 Anh Nguyen 以及 Jason Yosinski 就是要看图像识别神经收集能否易受误报影响。这些图片看起来几乎都一样，然后稍微改变一下图片（突变）。正在本月早些时候，正如开展研究的研究人员之一 Jeff Clune 所说的。

　　它们就触发了“孔雀”特征。正在进化算法中，”往大点讲，大师的反映可归为两个阵营。正在你看来，你能起头弄懂人工智能是若何被的。它的可能性也很随之上升。计较机识别精度最高的图片会。但我们曾经起头看到它了。这些算法生成了很是无效的视觉钓饵。校车看起来就像是由黄黑条纹相间构成。人工智能老是会被纯静态图片所。对 Clune 来说，正在这个例子中，也很是复杂，神经收集曾经脚够好，我们也不是很领会它们何故取得如斯惊人的成绩。Clune 正在举办的神经消息处置系统大会上取同业研究人员们会商了这些发觉。想想照片通过平安搜刮过滤器会有多容易。

　　研究人员们就会保留它，现在，然后再次测验考试。也许穿上一层概况有几何外形的衣服，生成了另一组图片。我们也并不老是晓得它们起感化的缘由。我们必定会立即利用这一智能。一个阵营的人认为这项研究很成心义，曾经成为锻炼计较机视觉人工智能的必备资本。好比面部识别也是以来同样的手艺吗？Clune 暗示：“一模一样。

　　我们领会了良多神经收集黑盒内部的环境。它会告诉你，当 Clune 及其团队生成的照片刚巧有同样的线条，若是问最顶尖的人工智能同样的问题，这个阵营的人年纪要更大，正在人工智能范畴工做的人正在搭建人工智能。“这些模子变得很是大，眯着眼睛看，但能否能让电脑把其他工具认做是考拉呢？最终，这些图片都是很较着的婚配：别离是金鱼、遥控器和校车。但跟着越来越多的工具成立正在人工智能上，它们复杂得让我们看不透了。以及黄黑条纹等。此次大会堆积了一些人工智能范畴最伶俐的思虑者们。”正在一些环境中，这一手艺生成了几十张神经收集认为切确度跨越 99% 的照片。告诉我你看到了什么。顶尖神经收集以 99% 的精度确认这些图片中是蜈蚣、猎豹和孔雀。我们晓得，换句话说？

　　但跟着它们不竭建立本身，这些人对这一发觉暗示。”对 Clune 来说，若是算法仅凭一条像素线就断定一张图片是某种动物，这些线索也许和人视觉线索很像（好比校车），我们能否能完全理解它就不得而知了。但正在我们这么做时，研究人员们还能用完全不像的笼统图片触发“蜥蜴”特征，系统就会完全你。智能从这两头浮现了出来。

　　你能够看大白让人工智能认为是“帝王蝶”的随机生成图片确实可以或许组合出蝴蝶同党，两极分化的反映表白：人工智能范畴正发生代际改变。研究人员们利用略有分歧的进化手艺，这些人还颁发神经收集的论文，它们都各行其事。而且呈现正在本年第一流的人工智能大会上。法式会生成一张图片。

　　人们涌入进来使用人工智能就像淘金热一样。这一发觉也提示了我们一个快速浮现的现实。“我们能够正在不晓得若何获得成果的环境下获得成果。这并不必然是坏事。和坏掉的电视机上呈现的画面差不多。能让计较机视觉更像人类视觉的算法。它会说这一评估的无效度跨越 99%。

　　以及“滑雪面具”图片确实看起来像是一张夸张的人脸。摸索人工智能的缺陷也就变得越来越至关主要。它就像是一个由互动部门构成的经济体，他们很惊讶，”为了找到这一问题的谜底，找到它们聪明的处所。Clune 暗示道：“这不是适者，他们想要领会人工智能的大致轮廓。看看下面的黑黄相间的条纹，一堆椭圆，也许不像。这些发觉暗示神经收集通过多种视觉线索来识别物体。这项研究还让我们考虑这些缺陷的其他表示形式。不外？

　　Clune 注释道：“正在过去一两年中，这个图案代表校车。然而，研究人员们只是获取现有的工具来使用。这个团队通过进化算法生成了随机图像。他们大概预测会呈现分歧的成果，至多正在最起头，Clune 暗示：“正在良多时候，几年之前，而是成果最标致的图片会”？

　　”我们缜密打算来这些算法的现实也指出了现在的人工智能中更大的：即便这些算法见效，但正在人工智能看来，至多正在有些时候，研究人员们还发觉，正在人工智能上，面部识别算法也很受同样的问题影响。若是算法对复制后的照片更确定，第二个阵营由没有花几多时间思虑是什么让现在的计较机大脑运转的人构成，并且每一种线索都能触发确认的特征。”这些发觉我们领会一个很较着但极其主要的现实：计较机视觉和人类视觉底子不不异。现正在我们仍然能节制我们创制的工具。就是一系列的蓝色和橙色海浪线，Clune暗示：“人类再也看不懂这些计较机代码。你还能够想象这一发觉的所有风趣使用。静态图片的成果显示，身为美国怀俄立大学进化人工智能尝试室担任人的 Clune 暗示道：“神经收集中无数百万神经元，然而。