先进的人工智能模型已经能够 生成计算机代码 和 帮助发现新药物，但当涉及到识别简单物体时，它们可能仍然可以向 不起眼的老鼠 学习。这是本周发表在《Patterns》杂志上的一篇论文得出的结论，论文中，来自意大利国际高等研究学院（SISSA）的研究人员让一个图像识别模型试图复制老鼠识别被旋转、缩放和部分遮挡的物体的能力。.
该人工智能模型最终能够匹配老鼠的图像处理能力，但仅是在使用了越来越多的资源和计算能力来赶上之后。虽然识别物体在其原始位置对人工智能和老鼠来说都很容易，但研究人员不得不提高模型的性能，以便在识别以各种方式被修改的物体时匹配老鼠的处理能力。研究人员表示，他们的发现表明，经过数百万年进化的精细调整的老鼠视觉，仍然比强大的人工智能图像识别系统更有效。
老鼠的视觉似乎“高效且适应性强”
老鼠的视觉在几个显著方面与人类的视觉不同。首先，像许多哺乳动物一样，老鼠的眼睛位于头部两侧。这使得它们拥有更宽广的视野，这对于在野外发现和躲避捕食者很有用。也许更奇怪的是，过去的研究 表明，老鼠的眼睛会根据头部的朝向而朝相反的方向移动。这导致它们在低头时看起来“斗鸡眼”。在本实验中，老鼠通过零食进行训练，以识别显示在显示器上的物体。然后，当它们识别出目标物体时，它们会触发触摸传感器。
为了了解这种老鼠视觉与人工智能相比如何，SISSA 的研究人员创建了一个“卷积神经网络”（CNN）。这种深度学习模型被工程师广泛认为是当前最先进的图像识别人工智能系统之一，它本身在一定程度上模仿了哺乳动物的视觉皮层。CNN 使用分层系统来识别物体。最基本、最原始的底层可以处理和识别边缘和对比度等简单特征。在其上添加新的层，以识别越来越复杂的图像类型。每一层额外的层都需要更多的资源和计算能力来运行。这几乎就像一个层层叠起的千层面，需要更多的配料才能变得更高更密集。
然后，该 CNN 模型被任务去复制测试老鼠在各种条件下识别物体的能力。在最基本的层面——识别一个没有遮挡且处于正常位置的物体——老鼠和人工智能都做得很好。在这种情况下，人工智能模型只需要使用其第一层。但随着任务变得越来越困难，情况发生了变化。当物体被旋转或缩放时，CNN 模型需要添加更多的层和更多的资源。而老鼠，即使物体被转换，也能持续识别物体，甚至在物体被部分遮挡时也能发现它们，这一点人工智能却很难做到。研究人员得出结论，老鼠的视觉似乎比人工智能图像识别更灵活、更具适应性。
SISSA 神经科学家兼论文作者 Davide Zoccolan 在一份声明中说：“老鼠，通常被认为是视觉的拙劣模型，实际上却展现出复杂的技能，这迫使我们重新思考它们视觉系统的潜力，同时也要重新思考人工神经网络的局限性。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，尽管人工智能在模仿人类视觉表现方面取得了成功，但它们通常采用非常不同的策略。”
人工智能在真正被认为是“超级智能”之前仍有许多东西要学
老鼠视觉的研究应该提醒我们，强大的 AI 模型在某些特定任务上确实令人印象深刻，但它们并非无懈可击。去年年底，OpenAI 首席执行官 Sam Altman 发布了一篇 类似宣言的博文，称 世界可能在“几千年内”经历 AI “超级智能”。亿万富翁埃隆·马斯克也曾表示，超级智能 AI 很可能在今年出现。
但这些基准到底意味着什么？是的，大型语言模型在 医学 和 法学院 的标准化考试中已经超越了一些人类。（AI 在 没有医生的情况下 仍无法做出正式的医疗诊断，并且 专业律师因提交包含捏造事实的 AI 生成的法律简报而被罚款和暂停执业）。与此同时，应用于双足机器人的先进 AI 系统在 平衡方面 仍然常常遇到困难。而且，正如 SISSA 的研究表明，人工智能似乎在努力匹配老鼠的视觉敏锐度。换句话说，人工智能仍然有许多东西需要学习，无论是向人类还是动物学习。
