打开网易新闻 查看精彩图片

人类看这张图，只会说"一只猫在沙发上"。谷歌DeepMind的新模型盯着同一张图，报出了37个物体——包括沙发扶手上那道几乎隐形的抓痕，和窗帘缝隙里透出的另一栋楼的轮廓。

团队管这叫"超人类视觉智能"。不是比喻，是字面意思：模型在多项视觉任务上的表现，已经超出了人类标注员的平均水平。换句话说，它发现了人类没教过它要去找的东西。

项目负责人Diane Bouchacourt在论文里写了一句很平淡的话，反而成了关键线索：「模型学会了预测人类会忽略哪些区域。」

这行字背后是个微妙转向。以前做视觉AI，目标都是"像人一样看"；现在谷歌直接把人类当成了需要绕过的瓶颈。训练数据里混了大量非人类视角的标注——热成像、声呐图、甚至卫星多光谱数据。模型被迫学会了一种不依赖人类经验的"看"。

一个细节：在测试集里，模型识别出的物体中，有12%是人类标注员完全没标记的。团队回溯检查，发现其中大部分确实存在，只是太隐蔽或太边缘，人眼扫过去就过滤掉了。

有研究员在Hacker News评论说，这让他想起早期AlphaGo的某一手棋——当时人类棋手以为是失误，事后复盘才发现是超越时代的妙着。现在的问题是，当AI的"看见"和人类不再重叠，我们该信谁的眼睛？