像为自动驾驶汽车提供动力的计算机一样，计算机可能会被欺骗，以使火车，围栏甚至校车的乱涂乱画误入歧途。人们不应该能够看到这些图像如何在计算机上传输，但是在一项新的研究中，约翰·霍普金斯大学的研究人员表明，大多数人实际上可以。

研究结果表明，现代计算机可能与我们认为的人类不同，并证明了人工智能的进步如何继续缩小人与机器的视觉能力之间的差距。该研究今天发表在《自然通讯》杂志上。

约翰·霍普金斯大学心理与脑科学系的助理教授查兹·弗斯通(Chaz Firestone)说：“大多数时候，我们领域的研究都是关于使计算机像人一样思考。”“我们的项目恰恰相反-我们在问人们是否可以像计算机一样思考。”对于人类而言，容易的事通常对于计算机而言是困难的。长期以来，人工智能系统比人们做数学或记住大量信息要好。但是几十年来，人类在识别狗，猫，桌子或椅子等日常物品方面一直占据优势。但是最近，模仿大脑的“神经网络”已经接近了人类识别物体的能力，从而导致了支持自动驾驶汽车，面部识别程序并帮助医生发现放射线扫描异常的技术进步。

但是，即使有了这些技术进步，仍然存在一个关键的盲点：有可能故意制作神经网络无法正确看到的图像。这些被称为“对抗性”或“欺骗性”图像的图像是一个大问题：它们不仅会被黑客利用并造成安全风险，而且它们暗示人与机器实际上所看到的图像完全不同。

在某些情况下，计算机将苹果称为汽车的全部工作，就是重新配置一两个像素。在其他情况下，机器在看似毫无意义的电视静止画面中看到犰狳和百吉饼。

费尔斯通说：“这些机器似乎以人类从未有过的方式误认了物体。”“但是令人惊讶的是，没有人真正地对此进行过测试。我们怎么知道人们看不到计算机的功能?”

为了验证这一点，凡士通和约翰·霍普金斯大学认知科学专业的主要作者周正隆本质上要求人们“像机器一样思考”。机器只有很少的词汇来命名图像。因此，凡世通(Firestone)和周(Zhou)向人们展示了数十种欺骗了计算机的欺骗图像，并为人们提供了与计算机相同的标记选项。特别是，他们问人们计算机决定对象的两种选择中的哪一种-一种是计算机的真实结论，另一种是随机答案。(该斑点描绘的是百吉饼还是风车?)事实证明，人们强烈同意计算机的结论。

人们有75%的时间选择与计算机相同的答案。也许更为引人注目的是，98%的人倾向于像计算机那样回答。

接下来，研究人员通过让人们在计算机最喜欢的答案和其次佳猜测之间进行选择，从而提高了赌注。(斑点代表百吉饼或椒盐脆饼吗?)人们再次验证了计算机的选择，其中91%的受测者同意计算机的第一选择。

即使研究人员让人们在48种选择之间猜测物体是什么，甚至当图片类似于电视静态影像时，也有绝大多数的受试者选择机器选择的物体远高于随机机率。在各种实验中，共测试了1,800名受试者。