高级人工智能模型已经可以耗尽计算机代码和帮助发现新药，但是在识别简单对象时，他们可能仍然有一些东西可以从谦卑的老鼠。这些是从纸上得出的结论本周发表在《期刊》上模式，来自意大利的Scuola Internazionale Superiore di Studi Avanzati（Sissa）的研究人员任命了图像识别模型，试图复制大鼠识别被旋转，调整和部分遮盖的物体的能力。。一个
AI模型最终能够匹配大鼠图像处理功能，但只有在使用越来越多的资源和计算机功率来追赶之后。尽管AI和RAT都很容易识别其原始位置的对象，但研究人员必须提高模型的性能，以便在识别以各种方式更改的对象时匹配大鼠处理能力。研究人员说，他们的发现表明，长达数百万年的进化的老鼠视力仍然比强大的图像识别系统更有效。
大鼠视力似乎很有效率和适应性
老鼠视觉与人类以几种显着的方式看待的方式不同。对于初学者，就像许多哺乳动物一样，大鼠的眼睛位于头部。这为他们提供了更广泛的视野，这在野外可用于发现和避免捕食者。也许更奇怪，过去的研究根据其头部的方向，大鼠眼睛也彼此相反的方向移动。这会导致他们的大鼠向下指向他们的头时出现。在这项实验中，大鼠使用治疗训练，以识别显示器上显示的对象。然后，当他们确定目标对象时，他们触发了一个触摸传感器。
为了了解这种老鼠的视野如何与AI相抵触，SISSA研究人员创建了一个卷积神经网络（CNN）。这种类型的深度学习模型被广泛认为是工程师最先进的AI系统中的AI系统之一，本身是在哺乳动物视觉皮层后的部分建模。CNN使用基于图层的系统来识别对象。最初的，大多数基本的基础都可以处理并确定简单的特征，例如边缘和对比度。新层被添加到顶部，以确定越来越复杂的图像类型。每个额外的层都需要更多的资源和计算机功能来工作。这几乎就像一个高耸的千层面，需要更多的成分才能变得更高且更密集。
然后，该CNN模型的任务是复制测试大鼠在各种条件下识别对象的能力。在最基本的层面上，识别一个毫无障碍的对象，并且在其正常位置都钉了大鼠和AI。在这种情况下，AI模型只需要使用其第一层即可。但是随着任务变得更加困难，情况发生了变化。当对象旋转或调整大小时，CNN模型需要添加更多层和更多资源。当大鼠被转化时，当它们被部分阻塞时，它们在它们发生变化甚至发现它们时一直持续识别物体，这是AI所努力的。研究人员得出结论，老鼠视力似乎比AI图像识别更加灵活和适应性。
SISSA神经科学家和论文作者Davide Zoccolan在此中说：'Sissa Neuroscientist和纸质作者Davide Zoccolan在In In In In In In in Sissa Neuroscientist和纸质作者Davide Zoccolan中说，实际上表现出复杂的能力，迫使我们重新考虑其视觉系统的潜力，同时，人工神经网络的局限性。一个声明。这表明它们可能是研究人类或灵长类动物视觉能力的良好模型，即使与人工神经网络相比，它们具有高度发达的视觉皮层，尽管它们成功地复制了人类的视觉表现，但通常会使用这种神经网络。非常不同的策略
AI仍然需要学习很多东西，然后才能通过考虑的超级智能来真正学习。
老鼠视觉研究应该有助于提醒您，强大的AI模型确实在某些特定任务上令人印象深刻，但它们是无误的。去年年底，Openai首席执行官Sam Altman发布了宣言般的博客文章说在几千天内的某个时候，世界可能会体验到超级智能。亿万富翁埃隆·马斯克（Elon MuskAI可能会在今年来。一个
但是这些基准真的是什么意思？是的，大型语言模型在标准化测试中的表现已经优于一些人医疗的和法学院。（AI仍然可以在没有医生的情况下进行官方医学诊断和专业律师已被罚款和暂停用于引入AI生成的法律简介，其中包括捏造事实）。同时，在两足机器人中实施的高级AI系统也仍然通常很难平衡。而且，正如Sissa研究所暗示的那样，AI似乎很难与大鼠的视力相匹配。换句话说，AI仍然可以从人类和动物那里学习很多东西。
更多交易，评论和购买指南
Popsci团队已经测试了数百种产品，并花了数千个小时尝试寻找您可以购买的最佳装备和小工具。