本文摘要：现代科技最引人注目的变革之一是机器视觉的蓬勃发展。在短短的几年间，新一代的机器学习技术早已转变了计算机对图像的识别方法。现在，机器在人脸识别和物体辨识方面已打破了人类并且彻底改变了大量的基于视觉的任务，比如驾驶员、安全监控等等。机器视觉现在已具备超人的能力。 但据麻省理工《技术评论》报导，来自谷歌和OpenAI研究所的研究人员找到了机器视觉算法的一个弱点：机器视觉不会被一些经过改动的图像阻碍，而人类可以很更容易地找到这些图像的改动之处。

现代科技最引人注目的变革之一是机器视觉的蓬勃发展。在短短的几年间，新一代的机器学习技术早已转变了计算机对图像的识别方法。现在，机器在人脸识别和物体辨识方面已打破了人类并且彻底改变了大量的基于视觉的任务，比如驾驶员、安全监控等等。机器视觉现在已具备超人的能力。

　　但据麻省理工《技术评论》报导，来自谷歌和OpenAI研究所的研究人员找到了机器视觉算法的一个弱点：机器视觉不会被一些经过改动的图像阻碍，而人类可以很更容易地找到这些图像的改动之处。　　研究人员认为：一例子是对人脸图像打上十分微小的标记，人类仍然可以正确地辨识出有图像中人物的身份，但机器学习系统不会把他们辨识成其他人。研究人员回应展开了系统的研究，说明了了机器视觉系统的弱点。研究团队一开始用于了ImageNet，该数据库的图像根据其表明的内容被分类；研究人员首先用于该数据库的一部分图像来训练一个机器算法，然后用另一部分图像来评估算法否能较好地展开分类。

研究团队用三种有所不同的方式改动了5万张来自ImageNet的图片，从而建构了一个对比图像数据库。第一种算法对图像展开了较小的转变从而最大化这项交叉熵，第二种算法是将这个过程递归来更进一步地转变某张图像，第三项算法转变了某张图像从而能掌控机器视觉系统，并让其经常出现某种特定的分类错误。研究团队测试Google的Inception v3算法能否正确地对这些图像展开分类，结果找到前两种算法大幅地减少了精确度，但是第三种算法将所有图像的精确度增大至零。

　　这项研究说明了了机器视觉的阿喀琉斯之踵，未来还有很多有一点研究的内容。研究人员期望为其他类型的视觉系统研发较为图像，从而使这些系统更加有效率。

本文来源：南宫28圈官网-www.kubernetek.com