富士通和麻省理工学院大脑、思维和机器中心(CBMM)的研究人员在寻求提高负责图像识别的AI模型的准确性方面取得了“重大里程碑”正如NeurIPS2021上发表的一篇新论文所述，合作者开发了一种计算方法，该方法可以反映人脑，使AI能够识别其训练数据中不存在的信息(也称为分布外数据，或奇怪的)。
尽管AI已经用于一系列背景下的图像识别(例如医学X射线分析)，但当前模型的性能对环境高度敏感。能够识别ODD的AI的重要性在于，在不完美的条件下仍能保持准确性——例如，当视角或光照水平与模型训练的图像不同时。
麻省理工学院和富士通通过将深度神经网络(DNN)分成多个模块来实现这一壮举，每个模块负责识别不同的属性，例如形状或颜色，这类似于人脑处理视觉信息的方式。
根据针对CLEVR-CoGenT基准的测试，使用这种技术的AI模型在图像识别方面是迄今为止最准确的。
“这一成就标志着人工智能技术未来发展的一个重要里程碑，它可以为训练模型提供一种新工具，可以灵活应对不同情况，甚至可以高精度识别与原始训练数据差异很大的未知数据，我们期待期待它开启的令人兴奋的现实世界机会，”富士通研究员SeishiOkamoto博士说。
麻省理工学院大脑与认知科学系教授TomasoPoggio博士说，受神经科学启发的计算原理也有可能克服数据库偏差等问题。
“在非分布条件下进行评估时，DNN与人类之间存在显着差距，这严重损害了人工智能应用，尤其是在其安全性和公平性方面。迄今为止在该研究计划中获得的结果是[朝着解决此类问题]迈出的重要一步，”他说。
展望未来，富士通和CBMM表示，他们将尝试进一步完善他们的发现，努力开发能够做出灵活判断的AI模型，以期将其应用于制造和医疗等领域。