當AI戰鬥時，為什麼人們會成功地識別碎片中的物體

EPFL進行的一項研究表明，為什麼人們會成功地識別碎片中的物體，而AI則在戰鬥，強調了輪廓整合在人類視覺中的關鍵作用。

每天，我們都可以輕鬆地認識到人群中的朋友或確定熟悉的形式，即使他們部分隱藏了。我們的大腦將碎片結合到整個物體中，填補空白以找出經常混亂的世界。

這種功能稱為“輪廓的集成”，即使是最智能的系統也很難做到這一點。儘管人工智能在識別圖像方面取得了顯著成就，但AI仍在試圖概括不完整或破裂的視覺信息。

當對像被部分隱藏，擦除或分為碎片時，大多數人工智能模型會波動，錯誤或投降。鑑於我們對人工智能對真實應用的依賴，例如具有獨立駕駛，假肢和機器人技術的汽車，這可能是現實生活中的一個嚴重問題。

由Martin Schimam領導的EPFL Neuroai實驗室旨在系統地比較人們和AI過程的視覺難題。埃德娜（Edna）的研究生，研究的主要作者本·倫克維斯特（Ben Lenkvist）與心理物理學實驗室Michael Hertzog合作開發了一系列的識別測試，在該測試中，人們和1000多個人工神經網絡均可識別出缺乏或碎片輪廓的對象。他們的結果表明，當涉及到巡迴賽的整合時，人們會不斷超越現代AI以及原因。

該研究是在國際機器教學會議上提交的（ICML 2025）7月13日至19日在溫哥華舉行。這 可訪問 在 arxiv 預印服務器。

該團隊與50名志願者一起創建了對象識別的實驗室測試。參與者查看了日常物體的圖像，例如杯子，帽子，花盆等，它們的輪廓被系統地擦除或分為細分市場。有時，只有35％的物體輪廓仍然可見。同時，團隊提供了相同的任務超過1000款人工智能，包括一些最強大的可用系統。

該實驗涵蓋了20種不同的條件，改變了視覺信息的類型和數量。該團隊比較了這些條件下的性能，測量了人們和機器對越來越複雜的視覺難題的反應的準確性和分析。

事實證明，即使沒有物體的大部分形狀，人們也經常獲得50％的準確性。相反，AI模型傾向於在相同情況下宣誓隨機猜測。只有在數十億張圖像中訓練的模型才能接近人類績效，即使那樣，它們也必須特別適合研究圖像。

更深入地研究，研究人員發現，當零散的部分折斷物體表明該團隊稱之為“融合偏見”時，人們表現出自然而然地識別物體的偏愛。當圖像扭曲挑戰時，經過訓練以開發出類似位移的AI模型會更好。專門設計旨在整合輪廓的AI系統的訓練提高了其準確性，還使它們專注於物體的形狀，而不是表面的質地。

這些結果表明，輪廓集成並不是一個硬性功能，而是可以從經驗中研究。對於依靠計算機視覺的行業，例如獨立駕駛汽車或醫療可視化，AI的創建（就像我們所做的那樣，它都更加看到世界，這意味著一種更安全，更可靠的技術。

這項工作還表明，縮小差距的最佳方法不是不是通過弄亂AI架構，而是在提供更“人類的視覺飲食的汽車，包括許多現實世界的圖像，其中通常會部分隱藏物體。