深度学习并未走进死胡同( 五 ) 编者按深度学

第三，深网对图像中的变化过度敏感。这种过度敏感不仅反映在对图像中难以察觉变化的标准上，还反映在对上下文的变化上，由于数据集大小的局限，过度敏感会导致系统做出错误判断，但这种因过度敏感而导致的图像变化却难以欺骗人类观察者。

例如，在一张丛林里有只猴子的照片中， PS上一把吉他。这会导致AI将猴子误认为人类，同时将吉他误认为鸟。大概是因为它认为人类比猴子更可能携带吉他，而鸟类比吉他更可能出现在附近的丛林中。

尤尔认为，瓶颈背后的原因是一个叫做“组合爆炸”的概念：就视觉领域而言，从组合学观点来看，真实世界的图像量太大了。任何一个数据集，不管多大，都很难表达出现实的复杂程度。更何况每个人选择物体、摆放物体的方式不一样，搭出的场景数量可以呈指数增长。而这需要无限大的数据集，无疑对训练和测试数据集提出巨大挑战。