人类与机器都依赖于神经网络来进行目标与面部识别。最新的证据显示，这两类视觉系统也具有相同的缺陷。

深度卷积神经网络以排山倒海之势席卷了人工智能领域。确实，现在这些机器视觉已经在面部识别、物体识别甚至是下围棋等众多领域频频完胜人类对手。

当然，颇为讽刺的一点是，神经网络的设计框架很大程度上模拟了人类的大脑结构。因此，机器视觉的深度神经网络宏观结构与人类大脑负责视觉的部分十分类似。尽管人类大脑经历了数百万年的进化，而另一者才刚刚问世数十年，但是这两者的内在的机理却十分相似。

这种高度相似性就引发了一个有趣的问题：如果机器视觉与人类视觉工作机理相似，那么它们是否也受到相似的制约？面对相似的视觉挑战时，机器视觉与人类视觉的表现是否一致？

近日，伊朗德黑兰大学的萨义德·克莱德皮舍（Saeed Reza Kheradpisheh）和其合作者们为我们揭开了这一问题的答案。他们使用了同样的图片，对于人类和机器分别进行了测试。研究发现，人类和机器确实会受到相同问题的困扰。

首先容小编介绍一点背景。在人类大脑中，负责视觉的通路包含了数层神经元，每一层神经元的作用，是逐步地从一张图片中发掘出更多的信息，比如移动，形状，颜色等等。这些神经元之间相互联接，形成了巨大的网络。

深度卷积神经网络也拥有类似的结构。它们也包含了许多层，每一层都包含了模拟神经元的网络回路，因此得名神经网络。

通过不断的研究，计算机科学家们发现，当神经网络中每一个神经元层都用来从图片中逐步发掘新信息时，神经网络具有最好的计算性能。科学家们研究单一神经元层时发现，这些神经元层所具有的功能与大脑中某些特定的神经元具有惊人的相似性。