人工智能也会犯错，有些错误在我们看来甚至有些“低级”

人工智能还有很长的路要走。

它需要明白在树干上爬的动物不一定是松鼠，也可能是猫咪；尖头长条的物体也不一定是灯塔，有可能是风铃；在鲜艳物体上的小生物不一定是蜜蜂，也可能是蜗牛。

虽然人工智能在飞速的进步之中，但它目前还并没有我们想象的那么强大。它也会犯错，有些错误在我们看来甚至有些“低级”。

加州大学伯克利分校的博士生们就介绍了一些真实的案例。在他们展示的7500个图片案例中，AI基本都在“自然对抗性案例”中败下阵来，精度下降了90%，准确度也只有2％左右。

虽然这些图像在我们眼里都非常好辨别。但在AI的算法中，蘑菇会被认成椒盐卷饼，绿色的蜻蜓被认成了井盖，呆萌的松鼠也被认成了比他们大数倍的海狮。

不只认图出现了较大错误，并且想要好好“调教”AI，将它引导回正确的道路上也不容易。实验中的案例证明了AI识别当前分类器有着深层缺陷，它们会过分依赖颜色、纹理和背景提示。同时，博士们发现提高鲁棒性的流行训练技术也收效甚微。

这个数据库是ImageNet的一个子集，它由不断欺骗人工智能的图像组成，包含了超过1400万幅手工标记的图像用于训练AI。如果你想让AI 在看到猫的时候就能辨认出这是猫，你只需要把它指向猫的类别，然后让它去识别就可以了。

虽然故意让AI犯错似乎是一件无聊且琐碎的事情，但这都是有意义的。AI如果在实际运用中出现错误，那可能会造成无法弥补的严重后果。比如自动驾驶的汽车将行人误认为红绿灯，就可能会引发不幸的交通事故。

互联网也需要AI的识别功能帮忙鉴别图像内容。Facebook就曾披露它如何使用AI工具完成内容审核。Facebook的自动化AI工具主要表现在裸体、暴力、恐怖内容、仇恨言论，垃圾邮件，虚假账户和自杀预防七个方面。

如果社交网络中裸露和暴力的图片能成功被AI技术检测，AI就能为图片中的敏感元素进行标记，进行更高效地处理和提示。而这些图片如果交给人工进行审核，那不仅效率低，也会给审核人员带来更多的工作量和精神压力。

扎克伯格自己也说过“建立一个可以检测具体某个不良信息的人工智能系统，要比确定什么是令人不适的语言要容易的多。”

AI进行图像识别就像在盲文上进行阅读，图像中的元素是一个个信息点，最终要通过信息点做出一个最为合理的猜测。这也像一个管道系统，不同的管道连接最终形成了系统。这种方法让AI在特定的图像视觉处理上能轻易地超过人类。比如说在动植物物种的识别上，它就比我们更为专业。

但部分的成功还不能让人对AI图像识别充满信心，约克大学研究员Amir Rosenfeld就表示“有各种各样奇怪的事情发生，告诉我们目前的物体检测系统是多么脆弱。”

这些“自然对抗性案例”的存在显示了现有的 AI 还没那么智能，它们的“深度学习”也需要更长的时间、更多的训练。