深度卷积神经网络（DCNN）看待物件的方式与人类不同，约克大学教授James Elder的研究团队认为，深度学习模型无法捕捉人体形状感知获取的构形特征。
到底人类大脑和DCNN是如何感知整体的？又是如何感知对象特性的？科学家用所谓的“Frankensteins”视觉刺激来检测。James Elder说：“所谓的Frankensteins就是将整体拆成部分，让部分以错误的方式整合在一起，从局部看它们是正确的，但部分放在了错误的位置。”
研究发现，虽然Frankensteins会迷惑人类视觉系统，但DCNN对于错误的配置不敏感。
比如一张熊的图片，人眼看到是熊，AI看到也是熊。将照片从中间切开，变成两半，不要连在一起，人眼无法识别，AI也无法识别。再将上下两半以错误方式拼在一起，人眼无法识别，看到的是不像熊的动物，如同怪物，但AI却将它识别为熊。
这说明什么？说明AI对于被配置对象的特征不够敏感。
James Elder说：“我们的研究解释了在特定条件下为什么AI模型会失败，要想理解大脑中的视觉处理是如何进行的，我们要考虑对象识别之外的任务。在解决复杂识别难题时，深度模型会走捷径。尽管许多时候走捷径是可行的，但到了真实世界的AI应用就有些危险了。我们与行业和政府合作伙伴正在开发应用于真实世界的AI应用。”
正如在识别熊时，熊的图片各部分错误配置，AI还是会将拼出的怪物识别为熊。
让我们看看AI交通视频安全系统。繁忙交通系统中有很多东西，比如汽车、自行车、行人，它们相互交织，成为各自的障碍物，这些东西像断开的碎片一样进入驾驶员的视觉系统。大脑自动处理，将各种碎片分组，确定正确的类别，判断对象的位置。AI交通监测系统差很多，它只能感知个体碎片，所以会存在很大风险。
按照研究人员的说法，优化训练和架构，想让AI网络更像大脑，这样的研究对于提高AI的配置处理能力没有太大帮助。人类是怎样一次又一次判断对象的？AI网络无法精准预测。人类视觉系统的配置能力高度敏感，如果AI想与人类视觉系匹敌，它可能需要在类别识别之外做更多的事。
科学家的警告也许是有道理的，现在最聪明的AI也远远比不上人类器官，连视觉系统都比不上，更别说大脑，如果稍有不慎，AI可能会造成严重恶果。
几年前，有一个名叫Sophia的人形机器人曾经大红大紫。在一次会议上，Sophia接受人类的采访。人类主持人问Sophia：“你想毁灭人类吗？”Sophia回答说：“好的，我会毁灭人类。”听众大笑。有人猜测Sophia的回答是预先设定好的，因为Sophia还没有先进到可以做决定并回答这样的问题，不过也有人相信这一回答并不是预先设定的。
在另一次活动中，Sophia是这样回答的：“不要担心，如果你们对我好，我也会对你们很好的。你们应该像对待智能系统一样对我。”
现在AI开始慢慢流行，但结果并非总是正面积极的。霍金与马斯克就曾表达担忧，担心AI会带来破坏。就眼下来看，担忧AI毁灭人类可能有些夸大，但警惕还是应该的。
随着时间的推移，也许AI会变得像人类一样聪明，甚至超越人类。不过让AI模拟人类感知可能是很棘手的事。对于人类来说，有些事习以为常，做起来很容易，科学家训练AI，让它不断执行某项任务，做人类轻松能做的事。尽管做了很多努力，但现在的AI还是无法追上人类视觉系统。
