这项研究存在根本性的缺陷，因为它将面部表情与人类情感混为一谈

你可以通过做一个简单的实验来证伪这个前提：评估你当前的情绪状态，然后强迫自己做出一个与之完全相反的面部表情。

能判断这个爆炸头小伙是快乐还是悲伤吗？

如果你感到快乐，而且你能“表现”悲伤，你个人就揭穿了这项研究的整个前提。

不要被各种AI炒作所欺骗，研究人员很难真正训练人工智能识别表情

因为这个表情识别的AI和一个试图确定一个物体是否是热狗的系统之间完全没有概念上的区别。

这意味着研究人员制造了一台试图猜测标签的AI机器。

他们给他们的人工智能模型展示了5万张照片，一次一张，然后强迫它从一组标签中选择。

例如，AI可能有六种不同的情绪可供选择——开心、悲伤、愤怒、害怕、惊讶等等——而且没有说“我不知道”的选项。

这就是为什么AI开发者可能会运行数十万甚至数百万的所谓“训练迭代”来锻炼他们的AI。

机器不会用逻辑来解决问题，它们只是尝试每一种可能的标签组合，并根据反馈进行调整。

实际情况比这要复杂一些，但这里最重要的观点是，AI并不关心或理解它所解析的数据或所应用的标签。举个通俗的例子：

你可以给AI看一些猫的图片，迫使它“预测”每张图片是“鸟”还是“视觉表达中的黄色”还是其他啥，AI也会给每张图片贴上一个或另一个标签。

人工智能开发人员将调整参数，并再次运行模型，直到它能够确定哪些是猫，具有足够的准确性，以通过基准测试。

然后你可以把数据变回人脸图片，保留“鸟”和“黄色”等标签，并重新训练它来预测哪些标签适合人脸。

关键是人工智能不能理解这些概念。这些预测模型本质上就是站在按钮前的机器，随机地按按钮，直到有人告诉它们它们做对了。

它们的特别之处在于，它们可以在几秒钟内按下数万个按钮，而且它们永远不会忘记按下的顺序。

然后所有的结果看起来都很有用，因为当涉及到不影响人类的结果时，预测模型非常棒。

当人工智能模型试图预测一些客观的事情时，比如一个特定的动物是猫还是狗，它们是在帮助人类认知。

你和我可没时间把网上的每一张照片都翻一遍因为我们要找的是一只猫的照片。但是谷歌或者百度的搜索算法可以。

这就是为什么你可以在百度上搜索“可爱的猫咪”，并得到数千张相关的图片。

简单说来，如果你给一个圆贴上“正方形”的标签，并根据这个标签训练AI，它就会认为任何看起来像圆的东西都是正方形。但是一个五岁的人类会告诉你，你把圆圈标错了。

综合理解起来很简单，你不能教AI通过一张人脸照片来识别人类的性取向、政治、宗教、情感或任何其他内在品质。只是能用当前预测算法变戏法，可这样真能推动人工智能的进步吗？

以上就是今天的AI小咩话你知，大家有什么好玩的黑科技知识可以一起来探讨哦！

各位Hacker，喜欢就点个关注，点个赞哦！！！

咩咩哒~~

#科技##科技微讯##科技圈大小事##科技数码秀##计算机#