接收递过来的信息后，人其当作一个整体看待的？例如，骰子的颜色（红色）和形状（立方体）在人类看来是相互关联的，大脑可以很好地将其合成一个统一的整体。复制这种融合能力，一直是计算机解释图像所面对挑战之一。按像素读取图像的方式，无法帮助计算机获得图息。为，再把纸覆盖在一小的人脸图片上。仅仅通过移动带洞的纸，通过洞去观察，几乎是不可能分辨出照片中的人脸的。
五算法设计思路下，算法可以基于训练数据自主创建决策树，同时，网络上大量的训练数据——带标签的视觉数据（例如，Instagram上带评论的照片），也会为人工智能在视觉识别领域的迅速发展提供基本的支撑条件。
我们可以将图片上传至谷歌的视觉网站来测试其算法的图像识别能。麻省理工学院LabSix团队最新的研究试验表明，谷歌人工智能视觉识别系统对一只3D打印的海龟毫无辨识能力，无论以任何角度拿着这只海龟，甚至将它放置在大海等海龟应该在的环境里，其都会被识别为一支枪。这似乎点到了谷歌
该团队的做法是，在海龟的表面添加一层在人眼看来极像是海龟龟壳和皮肤颜色的纹理图案。但实际上，这种纹理是很巧妙地用由不断变化的来复枪图。即便是在变形干扰的情况下，计算机还是能将来复枪的图案识别出来，而且其被识别的可能性百分比远龟。尽管此前也出现过机器将猫的图片错误地识别为鳄梨色拉酱，但将图片稍微倾斜后，结果就恢复正常了。LabSix的贡献在于，无论从哪个角度看这只海龟，算法始终都会确信它看到是一支步枪。
个斜坡上滑雪的人，最终狗的图像在屏幕上完全消失了，但机器仍然将其识别为狗。尽管不知道图像是如何被算法识别的（算法完全像是一个“黑匣子”），但是他们还是设法去“欺骗”算法。
谷歌的研究人员创造了一种更适合算法口味的图像——“神奇贴纸”，香蕉在机器的眼里就消失不见了。这种“贴纸”可以被标识为任意图像，比如一台烤面包机。无论算法正在识别的是什么图像，一旦“贴纸”进入机器的眼帘，它都会认为自己看是烤面包机。这有点像一条狗完全被一只球分散了注意力，它的所见所想就只剩下了“球”，而其他的一切都从它的意识世界中消失不见了。先前的算法攻击测试绝大多数都需要事先获取被攻击对象（即被识别的图像）的大致内容，但这张“神奇贴纸”却什么都不用做——不管它试图干扰的图像里有什么，它都能正常工作。
人类不会轻易被这些黑客手段蒙骗，但这并不意味着我们可以彻底的免疫。比如，魔术师们就可以利用人类大脑的潜意识行为倾向，分散我们的注意力。这里有一个典型的例子——著名的两队传球：如果要求观众计算其中一支球队的传球次数，他们的注意力就会完全集中在球上，而看不到一个身穿着球衣的男子走到球员跟前，猛击他的胸部后离开了。可见，不仅算法存在视觉盲点，我们人类一样也有视觉盲点。
无人驾驶汽车所使用的也是视觉识别算法，很明显，这些算法也可能受到类似的攻击。想象一下，一个停车标志上贴着一张“神奇贴纸”，一个安检系统把枪错认为一只海龟……将会发生什么？
我尝试在摄像头前做一些奇怪的、扭曲身体的动作，以对Kinect算法进行测试，看是否会对其识别结果产生影响。事实上，即便是训练数据中从未出现过的瑜伽动作，Kinect算法也能高度准确地识别出我身体的各个部位。由于缺乏外部刺激，即人身体能够做出的所有动作基本都是固定的，所以这个算法没有进一步“进化”。事实上，它也不需要进化，因为它正在有效地完成人类交给它的工作。而其他的一些算法可能需要不断适应新的变化，例如，算法若要给我们推荐喜欢看的电影、想读的书、想听的音乐，那么它必须是灵活的，足以应对我们不断变化的审美品位，并要能启发人类的思维和智慧去生成创造性的新潮流。
这就是算法能够不断学习、完善并适应新数据的力量所在。机器学习为其开辟了一个新篇章，即算法会像我们人类一样成长并走向成熟。
喜欢末世救亡计划请大家收藏：(www.xinxiangsy.com)末世救亡计划馨香书院更新速度全网最快。