人是可以像電腦那樣思考的，這不難做到

和人腦一樣，電腦也會上當受騙。比如操控無人駕駛汽車的電腦會把隨意的涂鴉當作火車、圍欄甚至校車。我們一直以為，人類是無法弄明白這些涂鴉是怎么蒙蔽電腦的，但是約翰霍普金斯大學的研究人員發現情況并非如此其實大多數人可以做到。

研究發現，電腦與人腦的差異可能并沒有我們想象的那么大，人工智能的飛速發展使得人類與機器在視覺能力上的差距持續減校這項研究在上個月發表在《自然-通訊》（Nature Communication）上。

“多數情況下，這個領域的研究都是圍繞著如何使電腦像人一樣思考。我們的項目恰恰相反我們追問的是人能否像電腦一樣思考。”文章的通訊作者、約翰霍普金斯大學心理學與腦科學學院助理教授 Chaz Firestone 說。

通常人類覺得輕而易舉的事情對電腦而言很難。雖然人工智能系統在數學計算及記憶大量信息方面早已勝過人類；然而在過去的數十年中，人類在識別日常物品比如狗、貓、桌子或椅子方面依然保持了優勢。不過最近，模仿大腦的“神經網絡”已漸漸具備人類識別物品的能力，由此帶來的技術進步可以支持無人駕駛汽車與人臉識別項目、以及幫助醫生發現放射影像中的病變。

然而即便有了這些技術進步，仍然存在一個關鍵的盲點：有人可能故意制造不能被神經網絡正確識別的圖像。這些“有敵意的”或“開玩笑的”圖像就成為一個大問題：不僅因為它們會被黑客利用來制造安全風險，而且它也說明了人類和機器識別圖像的方式實際上非常不同。

在一些情況下，想讓電腦把蘋果認成汽車，只需重新設置一兩個像素。在另一些情況下，機器會在并無實際意義的電視雪花圖案中認出犰狳和面包圈。

“這些機器錯認物品的方式似乎是人類永遠不會采取的，”Firestone 說。“但令人驚訝的是，并沒有人真的去驗證這一點。那我們又怎么會知道，人無法看到電腦看到的事物呢？”

為了檢驗這一論斷，Firestone 和 Zhenglong Zhou（論文的第一作者、約翰霍普金斯大學認知科學專業）要求參加測試的人“像機器一樣思考”。機器在命名圖片時可用的詞匯量相對很校所以，Firestone 和 Zhou 向被試展示了幾十張具有欺騙性的圖片，這些圖片已經騙過了電腦，同時他們給被試的標簽選項也和給電腦的標簽選項一樣。他們還特別詢問了被試，兩個選項中哪個是機器的判斷結果其中一個是實際結果而另一個是隨機答案。（圖中的斑點是面包圈還是紙風車？）結果顯示，被試與電腦的選擇高度一致。

在 75% 的情況下，被測試人都選擇了與計算機同樣的答案。更為顯著的是，98% 的被測試人傾向于像計算機一樣答題。

接下來，研究者提高了籌碼，要求被測試人選出電腦的最優答案和次優猜測。（圖中的斑點是面包圈還是蝴蝶脆餅？）人又一次證實了電腦的選擇，91% 的被測試人猜中了機器的首選答案。

甚至當研究人員讓被測試人從 48 個選項中答案時，或者當測試圖片像電視雪花圖案一樣時，大部分被測試人也能選中機器的選項。在這些花樣繁多的實驗中，共有 1800 名對象接受了測試。