识别率可怜的只有2%，AI人工智能识图展开的最后冲刺却令人期待( 二 )_最近

这说明目前的（机器学习）模型还不够完善。虽然已经有不少研究尝试利用人工数据提升模型的能力，但我们发现，这些模型在面对某些真实数据（来自真实照片）时往往会出现严重且高度一致的错误判断。

过去几年以来，图像识别工具已经变得越来越好，识别速度也越来越快。这在很大程度上要归功于斯坦福大学创建的，并且其规模仍在持续拓展的开放数据集ImageNet 。这个庞大的数据库成为人工智能重要的训练素材集合，也可以作为新AI系统的参考基准，用于训练系统进行图像识别。

然而，解决这最后5%的准确度缺口是个巨大的挑战。正因为如此，研究人员们才尝试探索其中的原因——即计算机为什么无法解析某些特定图像。通过这套新的图像集合，研究人员们以手工方式搜索Flickr ，寻找可能会令AI软件陷入混乱的照片，将其添加到这套名为ImageNet-A的新数据集内。这个数据集中，世界上最先进的视觉AI模型确实无法正确识别其中98%的照片。