盖世汽车讯 据外媒报道，布朗大学（Brown University）一项创新项目揭示，教会人工智能更像人类一样感知事物，或许可以从一个简单的游戏开始。该项目邀请参与者玩一款名为“Click Me”的在线游戏，帮助人工智能模型学习人类如何观察和解读图像。虽然这款游戏趣味盎然、易于上手，但它的目标却更加宏大：理解人工智能错误的根本原因，并系统地改进人工智能系统呈现视觉世界的方式。

图片来源： 布朗大学

在过去十年中，人工智能系统变得更加强大，应用也更加广泛，尤其是在图像识别等任务中。例如，这些系统可以通过图像识别动物、物体或诊断病情。然而，它们有时会犯一些人类很少犯的错误。

例如，人工智能算法可能会自信地将一张戴着太阳镜的狗的照片标记为完全不同的动物，或者无法识别部分被涂鸦覆盖的停车标志。随着这些模型变得越来越大、越来越复杂，这类错误也变得越来越频繁，揭示了人工智能与人类感知世界的方式之间日益扩大的差距。

认识到这一挑战，研究人员提出将心理学和神经科学的洞见与机器学习相结合，以创建下一代与人类协同的人工智能。他们的目标是了解人类如何处理视觉信息，并将这些模式转化为引导人工智能系统以类似方式行动的算法。

“Click Me”游戏在这一愿景中扮演着核心角色。在游戏中，参与者点击他们认为对人工智能识别最有用的图像部分。人工智能只会看到被点击的图像部分。因此，鼓励玩家策略性地思考图像中最具信息量的部分，而不是随机点击，以最大限度地提高人工智能的学习能力。

人工智能与人类的对齐发生在后期阶段，在此期间，人工智能将接受图像分类训练。在这个“神经协调”过程中，研究人员强制人工智能关注人类已经识别的相同图像特征——那些在游戏中点击过的特征——以确保其视觉识别策略与人类的一致。

该项目尤其引人注目之处在于它成功地吸引了公众参与。团队吸引了数千人参与 Click Me，使其在Reddit和Instagram等平台上获得关注，并与网站产生了数千万次互动，从而帮助训练人工智能模型。这种大规模的公众参与使研究团队能够快速收集人们如何感知和评估视觉信息的数据。

同时，该团队还开发了一个全新的计算框架，利用此类行为数据来训练人工智能模型。通过使人工智能的响应时间和选择与人类的响应时间和选择相一致，研究人员可以构建不仅与人类决策相符，而且与人类决策时间相符的系统。这将带来一个更自然、更易于解释的决策过程。

这项研究的实际应用范围非常广泛。例如，在医学领域，医生需要理解并信任辅助诊断的人工智能工具。如果人工智能系统能够以与人类推理相符的方式解释其结论，它们就会变得更加可靠，也更容易融入到医疗护理中。

同样，在自动驾驶汽车领域，能够更好地理解人类视觉决策方式的人工智能可以帮助预测驾驶员行为并预防事故。除此之外，与人类协同的人工智能还可以改进许多行业的无障碍工具、教育软件和决策支持。重要的是，这项研究也揭示了人类大脑的工作原理。

通过在人工智能系统中模拟人类视觉，研究人员能够开发出比以往更精确的人类视觉感知模型。