創造像人類一樣的人工智能技術，不僅僅是模仿人類的行為，還必須能夠處理信息，或像人類一樣“思考”。格拉斯哥大學的新研究中，使用3D建模來分析深度神經網絡（Deep Neural Networks）處理信息的方式，以可視化它們的信息處理與人類的處理方式并進行匹配。

目前人工智能發展仍然面臨的挑戰是如何更好地理解機器的思維過程，以及它是否與人類處理信息的方式相匹配。深度神經網絡經常被認為是目前人類決策行為的最佳模型，在一些任務中達到甚至超過人類的表現。然而，即使是欺騙性的簡單視覺辨別任務，與人類相比，人工智能模型也會顯示出明顯的不一致和錯誤。

目前，深度神經網絡技術被用于人臉識別等應用，在這些領域非常成功。但科學家們仍然沒有完全理解這些網絡是如何處理信息的。

在這項新的研究中，研究小組通過對深度神經網絡得到的視覺刺激進行建模，以多種方式進行轉換，從而解決了這一問題，他們可以通過處理人類和人工智能模型之間的類似信息，來證明識別的相似性。

研究人員表示，在建立“像”人類行為的人工智能模型時，例如，只要看到一個人的臉，就能像人類一樣認出來，必須確保人工智能模型使用與另一個人相同的信息來識別它。如果人工智能不這樣做，可能會有這樣的錯覺：即該系統的工作方式與人類一樣，但隨后發現它在一些新的或未經測試的情況下會出錯。

研究人員使用了一系列可修改的3D面孔，并要求人類對這些隨機生成的面孔與四個熟悉身份的相似性進行評分。然后他們用這些信息來測試深度神經網絡是否以同樣的理由做出了同樣的評價。這樣不僅測試人類和人工智能是否做出了同樣的決定，而且還測試它是否基于同樣的信息。

更重要的是，通過這種方法，研究人員可以將這些結果可視化為驅動人類和網絡行為的三維面孔。例如，一個對2000個身份進行正確分類的網絡，是由一張嚴重漫畫化的面孔所驅動，這表明它識別的面孔處理與人類非常不同的面部信息。

研究人員希望這項工作將為更可靠的人工智能技術鋪平道路，使其行為更像人類，并減少不可預測的錯誤。

題為Grounding deep neural network predictions of human categorization behavior in understandable functional features: The case of face identity的相關研究論文發表在《Patterns》上。

前瞻經濟學人APP資訊組

論文原文：

https://www.cell.com/patterns/fulltext/S2666-3899(21)00203-8?_returnURL=https%3A%2F%2Flinkinghub.elsevier.com%2Fretrieve%2Fpii%2FS2666389921002038%3Fshowall%3Dtrue

標簽： AI 處理 如何 神經網絡