採用人類發育視覺模式的人工智能視覺

 (https://www.nature.com/articles/s42256-026-01228-6)

 儘管經過多年的研究和人工智能系統的快速發展，人工智能視覺與人類視覺之間仍然存在顯著的差異。與人類不同人工智能嚴重依賴紋理特徵而非形狀訊息，缺乏對影像失真的穩健性，極易受到對抗性攻擊，並且難以識別複雜背景中的簡單抽象形狀。為了彌補這一差距，從人類視覺從嬰兒期到成年期的發展過程中汲取靈感。透過整合數十年的研究成果，為人工智能視覺設計了一種全新的發展性視覺模型，量化了視覺成熟過程。該模型以人類視覺為靈感，考慮了視覺敏銳度、對比敏感度和色彩能力的發展，引導人工智能係統學習這一模型，使其在所有測試的魯棒性視覺指標上都更好地與人類行為保持一致，從而顯著增強了對形狀信息的依賴性，實現了超越現有技術水平的抽象形狀識別，並提高了對圖像損壞和對抗性攻擊的魯棒性。因此，我們的研究結果表明，透過引導模型如何學習，而不僅僅是學習多少，可以實現強大的人工視覺，從而為更安全、更像人類的人工視覺系統提供資源高效的途徑。