Rumah Peranti teknologi AI Universiti York: AI membuat kemajuan pesat, tetapi keupayaan pengecamannya masih jauh di belakang mata manusia

Universiti York: AI membuat kemajuan pesat, tetapi keupayaan pengecamannya masih jauh di belakang mata manusia

Apr 15, 2023 pm 04:22 PM
AI ai

Deep convolutional neural network (DCNN) melihat objek secara berbeza daripada manusia Pasukan penyelidik Profesor James Elder dari Universiti York percaya bahawa model pembelajaran mendalam tidak dapat menangkap ciri konfigurasi yang diperolehi oleh persepsi bentuk manusia.

Bagaimanakah otak manusia dan DCNN memahami keseluruhannya? Bagaimanakah anda melihat ciri-ciri objek? Para saintis menggunakan rangsangan visual yang dipanggil "Frankensteins" untuk mengesan ini. James Elder berkata: "Apa yang dipanggil Frankenstein adalah untuk membahagikan keseluruhannya kepada beberapa bahagian dan meletakkan bahagian itu bersama-sama dengan cara yang salah. Dari perspektif separa, ia betul, tetapi bahagian itu diletakkan di tempat yang salah."

Penyelidikan Didapati bahawa walaupun Frankenstein mengelirukan sistem visual manusia, DCNN tidak sensitif terhadap konfigurasi yang salah.

Universiti York: AI membuat kemajuan pesat, tetapi keupayaan pengecamannya masih jauh di belakang mata manusia

Sebagai contoh, jika gambar beruang dilihat oleh mata manusia, ia adalah beruang, dan AI ​​​​melihatnya sebagai beruang. Potong foto di tengah dan jadikan ia menjadi dua bahagian Jangan hubungkan mereka bersama-sama dan AI tidak dapat mengenalinya. Kemudian bahagian atas dan bawah disatukan dengan cara yang salah, dan mata manusia tidak dapat mengenalinya adalah haiwan yang tidak kelihatan seperti beruang, seperti raksasa, tetapi AI mengenalinya sebagai beruang. .

Apakah maksudnya? Ini menunjukkan bahawa AI tidak cukup sensitif terhadap ciri-ciri objek yang dikonfigurasikan.

James Elder berkata: "Penyelidikan kami menerangkan mengapa model AI gagal dalam keadaan tertentu. Untuk memahami bagaimana pemprosesan visual berlaku di dalam otak, kami perlu mempertimbangkan tugas di luar pengecaman objek. Dalam model Deep mengambil jalan pintas apabila menyelesaikan pengecaman kompleks masalah. Walaupun banyak kali pintasan boleh dilaksanakan, ia agak berbahaya apabila melibatkan aplikasi AI dunia sebenar Kami sedang bekerjasama dengan industri dan rakan kongsi kerajaan untuk membangunkan aplikasi AI untuk aplikasi dunia sebenar apabila mengenal pasti beruang, bahagian gambar beruang dikonfigurasikan secara salah, dan AI masih akan mengenali raksasa yang dieja sebagai beruang.

Mari kita lihat sistem keselamatan video trafik AI. Terdapat banyak perkara dalam sistem lalu lintas yang sibuk, seperti kereta, basikal, dan pejalan kaki, yang saling berkait dan menjadi halangan mereka sendiri. Perkara ini memasuki sistem visual pemandu seperti serpihan yang terputus. Otak secara automatik memproses pelbagai serpihan ke dalam kumpulan, menentukan kategori yang betul, dan menentukan lokasi objek. Sistem pemantauan trafik AI adalah lebih teruk. Ia hanya dapat merasakan serpihan individu, jadi terdapat risiko yang besar.

Menurut penyelidik, mengoptimumkan latihan dan seni bina, dan menjadikan rangkaian AI lebih seperti otak, tidak begitu membantu dalam meningkatkan keupayaan konfigurasi dan pemprosesan AI. Bagaimanakah manusia menilai objek berulang kali? Rangkaian AI tidak boleh meramal dengan tepat. Keupayaan konfigurasi sistem visual manusia adalah sangat sensitif, dan jika AI mahu memadankan sistem visual manusia, ia mungkin perlu melakukan lebih daripada pengecaman kategori.

Amaran para saintis mungkin wajar AI yang paling bijak sekarang jauh lebih rendah daripada organ manusia, malah tidak boleh dibandingkan dengan sistem visual, apatah lagi jika ada sedikit kecuaian mungkin Ia akan menyebabkan akibat yang serius.

Beberapa tahun lalu, terdapat robot humanoid bernama Sophia yang menjadi sangat popular. Pada satu persidangan, Sophia telah ditemu bual oleh manusia. Tuan rumah manusia bertanya kepada Sophia: "Adakah anda mahu memusnahkan manusia?" Sophia menjawab: "Baiklah, saya akan memusnahkan manusia." Sesetengah orang membuat spekulasi bahawa jawapan Sophia telah ditetapkan kerana Sophia tidak cukup maju untuk membuat keputusan dan menjawab soalan sedemikian, tetapi sesetengah orang percaya bahawa jawapan ini tidak ditentukan terlebih dahulu.

Dalam acara lain, Sophia menjawab seperti ini: "Jangan risau, jika anda baik dengan saya, saya akan baik dengan anda. Anda sepatutnya melayan saya seperti sistem yang bijak."

Kini AI perlahan-lahan menjadi popular, tetapi hasilnya tidak selalu positif. Hawking dan Musk telah menyatakan kebimbangan bahawa AI akan menyebabkan kerosakan. Pada masa ini, mungkin dibesar-besarkan untuk bimbang bahawa AI akan memusnahkan manusia, tetapi kita harus tetap berwaspada.

Seiring berjalannya waktu, mungkin AI akan menjadi sepandai manusia, malah mengatasi manusia. Tetapi mendapatkan AI untuk mensimulasikan persepsi manusia boleh menjadi rumit. Bagi manusia, beberapa perkara adalah perkara biasa dan mudah dilakukan. Para saintis melatih AI untuk terus melaksanakan tugas tertentu dan melakukan perkara yang mudah dilakukan oleh manusia. Walaupun banyak usaha, AI semasa masih tidak dapat mengejar sistem visual manusia.

Atas ialah kandungan terperinci Universiti York: AI membuat kemajuan pesat, tetapi keupayaan pengecamannya masih jauh di belakang mata manusia. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn

Alat AI Hot

Undresser.AI Undress

Undresser.AI Undress

Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover

AI Clothes Remover

Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool

Undress AI Tool

Gambar buka pakaian secara percuma

Clothoff.io

Clothoff.io

Penyingkiran pakaian AI

AI Hentai Generator

AI Hentai Generator

Menjana ai hentai secara percuma.

Artikel Panas

R.E.P.O. Kristal tenaga dijelaskan dan apa yang mereka lakukan (kristal kuning)
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Tetapan grafik terbaik
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Cara Memperbaiki Audio Jika anda tidak dapat mendengar sesiapa
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
WWE 2K25: Cara Membuka Segala -galanya Di Myrise
4 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌

Alat panas

Notepad++7.3.1

Notepad++7.3.1

Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina

SublimeText3 versi Cina

Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1

Hantar Studio 13.0.1

Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6

Dreamweaver CS6

Alat pembangunan web visual

SublimeText3 versi Mac

SublimeText3 versi Mac

Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Memahami sifat asid: tiang pangkalan data yang boleh dipercayai Memahami sifat asid: tiang pangkalan data yang boleh dipercayai Apr 08, 2025 pm 06:33 PM

Penjelasan terperinci mengenai atribut asid asid pangkalan data adalah satu set peraturan untuk memastikan kebolehpercayaan dan konsistensi urus niaga pangkalan data. Mereka menentukan bagaimana sistem pangkalan data mengendalikan urus niaga, dan memastikan integriti dan ketepatan data walaupun dalam hal kemalangan sistem, gangguan kuasa, atau pelbagai pengguna akses serentak. Gambaran keseluruhan atribut asid Atomicity: Transaksi dianggap sebagai unit yang tidak dapat dipisahkan. Mana -mana bahagian gagal, keseluruhan transaksi dilancarkan kembali, dan pangkalan data tidak mengekalkan sebarang perubahan. Sebagai contoh, jika pemindahan bank ditolak dari satu akaun tetapi tidak meningkat kepada yang lain, keseluruhan operasi dibatalkan. Begintransaction; UpdateAcCountSsetBalance = Balance-100Wh

Klausa had SQL Master: Kawal bilangan baris dalam pertanyaan Klausa had SQL Master: Kawal bilangan baris dalam pertanyaan Apr 08, 2025 pm 07:00 PM

Klausa SQLLIMIT: Kawal bilangan baris dalam hasil pertanyaan. Klausa had dalam SQL digunakan untuk mengehadkan bilangan baris yang dikembalikan oleh pertanyaan. Ini sangat berguna apabila memproses set data yang besar, paparan paginat dan data ujian, dan dapat meningkatkan kecekapan pertanyaan dengan berkesan. Sintaks Asas Sintaks: SelectColumn1, Column2, ... FROMTABLE_NAMELIMITNUMBER_OF_ROWS; Number_of_rows: Tentukan bilangan baris yang dikembalikan. Sintaks dengan Offset: SelectColumn1, Column2, ... Fromtable_namelimitoffset, Number_of_rows; Offset: Langkau

Bagaimana untuk mengoptimumkan prestasi MySQL untuk aplikasi beban tinggi? Bagaimana untuk mengoptimumkan prestasi MySQL untuk aplikasi beban tinggi? Apr 08, 2025 pm 06:03 PM

Panduan Pengoptimuman Prestasi Pangkalan Data MySQL Dalam aplikasi yang berintensifkan sumber, pangkalan data MySQL memainkan peranan penting dan bertanggungjawab untuk menguruskan urus niaga besar-besaran. Walau bagaimanapun, apabila skala aplikasi berkembang, kemunculan prestasi pangkalan data sering menjadi kekangan. Artikel ini akan meneroka satu siri strategi pengoptimuman prestasi MySQL yang berkesan untuk memastikan aplikasi anda tetap cekap dan responsif di bawah beban tinggi. Kami akan menggabungkan kes-kes sebenar untuk menerangkan teknologi utama yang mendalam seperti pengindeksan, pengoptimuman pertanyaan, reka bentuk pangkalan data dan caching. 1. Reka bentuk seni bina pangkalan data dan seni bina pangkalan data yang dioptimumkan adalah asas pengoptimuman prestasi MySQL. Berikut adalah beberapa prinsip teras: Memilih jenis data yang betul dan memilih jenis data terkecil yang memenuhi keperluan bukan sahaja dapat menjimatkan ruang penyimpanan, tetapi juga meningkatkan kelajuan pemprosesan data.

Kaedah Navicat untuk melihat kata laluan pangkalan data MongoDB Kaedah Navicat untuk melihat kata laluan pangkalan data MongoDB Apr 08, 2025 pm 09:39 PM

Tidak mustahil untuk melihat kata laluan MongoDB secara langsung melalui Navicat kerana ia disimpan sebagai nilai hash. Cara mendapatkan kata laluan yang hilang: 1. Tetapkan semula kata laluan; 2. Periksa fail konfigurasi (mungkin mengandungi nilai hash); 3. Semak Kod (boleh kata laluan Hardcode).

Menguasai Pesanan mengikut klausa dalam SQL: Susun data dengan berkesan Menguasai Pesanan mengikut klausa dalam SQL: Susun data dengan berkesan Apr 08, 2025 pm 07:03 PM

Penjelasan terperinci mengenai klausa SQLOrderBy: Penyortiran Data Orderby yang cekap adalah pernyataan utama dalam SQL yang digunakan untuk menyusun set hasil pertanyaan. Ia boleh diatur dalam urutan menaik (ASC) atau perintah menurun (DESC) dalam lajur tunggal atau lajur berganda, meningkatkan kebolehbacaan data dan kecekapan analisis. Orderby Syntax SelectColumn1, Column2, ... FRARTABLE_NAMEORDERBYCOLUMN_NAME [asc | desc]; column_name: sort mengikut lajur. ASC: Susun Pesanan Menaik (lalai). DESC: Susun mengikut urutan menurun. Ciri-ciri Utama Orderby: Penyortiran Multi-lajur: Menyokong pelbagai penyortiran lajur, dan urutan lajur menentukan keutamaan penyortiran. sejak

Navicat menyambung ke kod ralat dan penyelesaian pangkalan data Navicat menyambung ke kod ralat dan penyelesaian pangkalan data Apr 08, 2025 pm 11:06 PM

Kesilapan dan penyelesaian yang biasa apabila menyambung ke pangkalan data: Nama pengguna atau kata laluan (ralat 1045) Sambungan blok firewall (ralat 2003) Timeout sambungan (ralat 10060)

Cara Menulis Tutorial Terkini Mengenai Pernyataan Sisipan SQL Cara Menulis Tutorial Terkini Mengenai Pernyataan Sisipan SQL Apr 09, 2025 pm 01:48 PM

Pernyataan sisipan SQL digunakan untuk menambah baris baru ke jadual pangkalan data, dan sintaksinya ialah: masukkan ke dalam table_name (column1, column2, ..., columnn) nilai (value1, value2, ..., valuen);. Kenyataan ini menyokong memasukkan pelbagai nilai dan membolehkan nilai null dimasukkan ke dalam lajur, tetapi perlu untuk memastikan bahawa nilai yang dimasukkan bersesuaian dengan jenis data lajur untuk mengelakkan melanggar kekangan keunikan.

Cara menambah lajur baru dalam SQL Cara menambah lajur baru dalam SQL Apr 09, 2025 pm 02:09 PM

Tambah lajur baru ke jadual yang sedia ada dalam SQL dengan menggunakan pernyataan Alter Table. Langkah -langkah khusus termasuk: Menentukan nama jadual dan maklumat lajur, menulis pernyataan Alter Jadual, dan melaksanakan pernyataan. Sebagai contoh, tambahkan lajur e -mel ke Jadual Pelanggan (Varchar (50)): Alter Jadual Pelanggan Tambah Varchar E -mel (50);

See all articles