老鼠在识别模糊物体方面胜过人工智能

先进的人工智能模型已经可以编写计算机代码并帮助发现新药，但在识别简单物体方面，它们可能仍需要向普通老鼠学习一些东西。这些结论来自本周发表在《模式》杂志上的一篇论文，意大利国际高等研究学院 (SISSA) 的研究人员在论文中要求一个图像识别模型尝试复制老鼠识别旋转、调整大小和部分模糊物体的能力。

人工智能模型最终能够与老鼠的图像处理能力相匹敌，但只有在使用越来越多的资源和计算机能力后才能赶上。虽然人工智能和老鼠都很容易识别原始位置的物体，但研究人员必须提高模型的性能，以便在识别以各种方式改变的物体时与老鼠的处理能力相匹配。研究人员表示，他们的研究结果表明，经过数百万年进化而来的老鼠视觉仍然比强大的图像识别系统更有效。

老鼠的视觉显得特别“高效且适应性强”

老鼠的视觉与人类的视觉有几个显著的不同。首先，像许多哺乳动物一样，老鼠的眼睛位于头部的侧面。这给它们提供了更宽的视野，这在野外有助于发现和躲避捕食者。也许更奇怪的是，过去的研究表明，老鼠的眼睛也会根据头部的方向向相反的方向移动。这导致老鼠在将头向下时看起来“斜视”。在这个实验中，老鼠被训练用零食来识别显示器上显示的物体。当它们识别出目标物体时，它们会触发触摸传感器。

为了了解老鼠的视觉与人工智能相比如何，SISSA 的研究人员创建了一个“卷积神经网络”（CNN）。这种深度学习模型被工程师广泛认为是最先进的图像识别人工智能系统之一，它本身部分模仿了哺乳动物的视觉皮层。CNN 使用基于层的系统来识别物体。最初最基本的基础可以处理和识别边缘和对比度等简单特征。新的层被添加到最上面，以识别越来越复杂的图像类型。每增加一层都需要更多的资源和计算机能力才能工作。这几乎就像一个高耸的千层面，需要更多的配料才能变得更高更密。

然后，该 CNN 模型的任务是复制测试大鼠在各种条件下识别物体的能力。在最基本的层面上——识别一个没有遮挡且处于正常位置的物体——大鼠和人工智能都成功了。在这种情况下，人工智能模型只需要使用其第一层。但随着任务变得越来越困难，情况发生了变化。当物体旋转或调整大小时，CNN 模型需要添加更多层和更多资源。另一方面，大鼠在物体变形时始终能够识别物体，甚至在物体被部分遮挡时也能发现它们，而人工智能则很难做到这一点。研究人员总结说，大鼠的视​​觉似乎通常比人工智能图像识别更灵活、适应性更强。

SISSA 神经学家兼论文作者 Davide Zoccolan 在一份声明中表示：“大鼠通常被认为是视觉的糟糕模型，但实际上它们表现出了复杂的能力，这迫使我们重新思考其视觉系统的潜力，同时也重新思考人工神经网络的局限性。”“这表明，它们可能是研究人类或灵长类动物视觉能力的良好模型，这些动物具有高度发达的视觉皮层，甚至与人工神经网络相比也是如此，尽管人工神经网络能够成功复制人类的视觉表现，但通常使用非常不同的策略。”

人工智能在真正被视为“超级智能”之前仍有许多需要学习的地方

老鼠视觉研究应该有助于提醒我们，强大的人工智能模型在某些特定任务上确实令人印象深刻，但它们并非万无一失。去年年底，OpenAI 首席执行官 Sam Altman 发布了一篇类似宣言的博客文章，称世界可能会在“几千天”内体验人工智能“超级智能”。亿万富翁埃隆·马斯克也曾表示，超级人工智能很可能在今年到来。

但这些基准究竟意味着什么？是的，大型语言模型已经在医学院和法学院的标准化测试中超越了一些人类。（AI 仍然无法在没有医生的情况下做出正式的医疗诊断，专业律师因引入包含虚假事实的 AI 生成的法律摘要而被罚款和停职）。同时，双足机器人中实现的高级 AI 系统也经常难以保持平衡。而且，正如 SISSA 的研究表明的那样，AI 似乎很难达到老鼠的视觉敏锐度。换句话说，AI 还有很多东西需要学习，无论是从人类还是动物身上。