ある研究では、人間は非常によく似たコンピュータで物事を処理することを示しました。研究では、人々にテスト画像認識を停止し、ロボットのように考えるように依頼します。
参加者は、ぼやけた画像を提示し、彼らはAまたはBの画像間で選択する必要があること、人工知能によって捕捉することができます。
研究では、例75％で、人間と機械の両方が同じ詐欺であることを示唆している、同じ答えを選択することがわかりました。
これらの知見は、人工知能の進歩は、人間とマシンビジョンの能力とのギャップを狭めるために続ける方法を示しています。
一時的なので、人工知能システムは、人間の記憶の面で多くの情報よりも優れてきました。
人間を考えるために使用される人々は、イヌ、ネコ、テーブルや椅子などの日常のオブジェクトを識別するのに利点があります。
この研究は、人々が自動操縦上のコンピュータ上で何かを見たとき、彼らはだまされることを示しています。彼らは、落書きは、フェンスやスクールバスを訓練することであると思います。
ジョンズ・ホプキンス大学の研究によると、脳の神経回路網のシミュレーションは最近、オブジェクトを認識する人間の能力に近いとなっています。
彼らは***使用可能とセキュリティリスクをもたらすことができるので、これらのいわゆる「リバース」や「からかい」の画像は、大きな問題であるが、彼らは実際には、人間と機械で見られることは非常に別の画像であることを示唆しています。
いくつかのケースでは、限り、1つのまたは2つの画素の再構成など車としてアップルにコンピュータを聞かせすることができます。
他の例では、マシンは無意味なテレビ画面のようなアルマジロやベーグルを見ることができます。
教授ファイアストンは言った：これらのマシンは道ヒューマンエラー識別されたオブジェクトを識別することはできませんように見えます。
しかし驚くべきことは、誰が本当にこれをテストしていないということです。あなたは、人々がコンピュータなしでは何も見ることができなかった方法を知っていますか？
これを確認するには、ファイアストンとジョンズ・ホプキンス大学教授周Zhenglongで認知科学の教授は、機械のように考えるように人々を尋ねます。
マシンは、画像に名前を付けるだけで、比較的小規模な語彙が必要です。その結果、教授と教授周ファイアストンは、コンピュータ不正行為で画像の数十を示し、人々のための同じタグオプションを使用してコンピュータを提供します。
人々は、特定のターゲットコンピュータのオプションを決定する方法について詳細に尋ねました。コンピュータの真の結論、およびその他のランダムな答えです。
これは、ドーナツや風車のですか？本当に使いやすい電話ロボット？
それは、人々は非常に多くの結論のコンピュータに同意していることが判明しました。
例75％で、人々はコンピュータに同じ答えを選択します。
次に、研究者たちは、人々がコンピュータのお気に入りの答えと第二最高の答えの間で選択することができ、より厳格な要件を作りました。
この問題では、それはその場でベーグルやプレッツェルがありますか？人々はコンピュータを再検討することを選択し、回答者の91％は、コンピュータの最初の選択肢であることに合意しました。
研究者は絵が静的テレビ画面のように見える場合でも、オブジェクト48のオプションを推測する人に尋ねた場合でも、対象者の大多数は、ランダムに選択された割合よりもはるかに高い、ターゲットデバイスの選択を選択しました。
別の実験では、1800の試験科目。
教授ファイアストンは言った：「私は私が同じコンピュータ環境で男を置けば、人々はマシンへの異議急になることを発見しました。
AIは問題のままですが、これは、コンピュータが見ることができると完全に異なる人間を見たことを意味するものではありません。