和记官方网,和记网上娱乐,和记国际网上娱乐欢迎您!
全国服务热线:158-6646-1895

圆圈在动吗?这个骗过人眼的动图火了LeCun解释原

 

  对此,很多网友还是选择相信自己的眼睛,认为得它们就是在动;也有坚持说没动的。

  你的视网膜→MT视觉通路,将圆周运动中的高对比度边缘,解释成了与边缘正交的运动。

  LeCun说这话并不是空穴来风,而是在AI(尤其是计算机视觉)*相关的研究中,诸如此类的「忽悠」现象屡见不鲜。

  对输入数据样本,添加一些人无法观察到的干扰,导致模型以高置信度给出一个错误的输出。

  例如一张已经被分类为「熊猫」的图片,在加入一些干扰后,我们人类肉眼是无法察觉输出图像产生的变化。

  一种方法是从一个类别的样本出发,添加一些「小修改」,然后模型就会把修改后的样本,判定为另一类。

  另外一种方法,就是利用分类不确定性。比如图中除了最上面部分的空间可以认为是数据存在概率极低的区域,从实际应用的角度甚至可以认为是完全不关心的区域。

  而这样的对抗性样本,不仅仅是在图像分类任务中存在,在自动驾驶中也是常见的。

  用一条2英寸的胶带,成功欺骗2016年版特斯拉的摄像头系统,诱使其出现了50英里/小时(80公里/小时)的异常加速。

  最后,对于LeCun说「大脑的对抗性样本」这句话,也成了网友们热议的一个焦点。