最新研究揭示，视觉AI与人类认知存在系统性差异。尽管AI能识别千百种物体，却难以像人类那样理解它们之间的高级共性，比如汽车和飞机都属于大型金属交通工具。通过“找不同”任务对比，人类和AI在某些场景下判断完全一致，但在许多情况下AI更关注表面特征，忽视了更深层的概念联系。研究团队提出了一种三步对齐方法：先用少量人类判断数据训练一个“教师模型”，再生成海量“人类式”判断数据，最后用这些数据微调其他模型，使其内部视觉表征结构更加清晰、有序，符合人类认知的层级关系。调整后的模型不仅更符合人类判断，还表现出类似人类的决策不确定性，且在少样本学习和分布变化下表现更稳健。这项工作为构建更直观、可信赖的视觉AI奠定了基础，表明让AI“看”世界更像人类，能极大提升其通用性和可靠性。未来，视觉AI的进步将更多依赖于与人类认知的深度融合。原文链接：deepmind.google/blog/teaching-ai-to-see-the-world-more-like-we-do/
