来自巴伦西亚大学图像处理实验室（IPL）和庞培法布拉大学（UPF）信息和通信技术系（DTIC）的研究人员已经表明，卷积神经网络（CNN）是一种常用于检测系统的人工神经网络，CNN也会有视觉错觉，就像人脑一样。

在卷积神经网络中，神经元在感受野中的排列方式与生物大脑视觉皮层中的神经元排列方式大致相同。今天，CNN被广泛应用于各种自主系统中，如人脸检测和识别系统或自动驾驶车辆。

这项发表在《Vision Research》上的研究分析了卷积网络中的视觉错觉现象，并比较了它们对人类视觉的影响。在训练CNN完成诸如去除噪声或模糊等简单任务后，科学家发现这些网络也容易受到由亮度和颜色的视觉错觉造成的带有偏见的感知现实的影响。

此外，文章还说，“网络的某些错觉可能与人类的感知不一致。”这意味着，CNN中出现的视觉错觉不一定与生物学上的错觉一致，但在这些人工网络中，可能存在着与人脑不同的幻觉。”巴伦西亚大学（University of Valencia）光学与视觉科学教授、图像处理实验室研究员杰斯•马洛（Jesús Malo）说：“这是导致我们相信，这是人工神经网络与复杂得多的人脑之间不可能建立类比的因素之一。”。

他们提出了一种范式转变

按照这一思路，研究小组刚刚在《Scientific Reports》上发表了另一篇文章，详细阐述了这两种系统之间的局限性和差异，其结果导致作者们对利用CNN研究人类视觉的行为提出警告。”CNN是以生物神经元的行为为基础的，特别是由线性运算（和积）和非线性运算（饱和）组成的模块串联而成的基本结构，但这种传统的公式过于简单。除了这些人工网络对视觉建模的内在局限性外，柔性结构的非线性行为与生物视觉系统的非线性行为有很大不同，”巴伦西亚大学文章的共同署名者马洛总结道。

文中认为，具有内在非线性生物启发模块的人工神经网络，而不是通常线性加非线性模块的深度串联，这不仅能更好地模拟人类的基本感知，而且可以在通用应用中提供更高的性能。”我们的研究结果表明视觉科学和人工智能都发生了范式转变，”Jesús Malo总结道。

参考文献：Marcelo Bertalmío et al. Evidence for the intrinsically nonlinear nature of receptive fields in vision, Scientific Reports (2020). DOI: 10.1038/s41598-020-73113-0

A. Gomez-Villa et al. Color illusions also deceive CNNs for low-level vision tasks: Analysis and implications, Vision Research (2020). DOI: 10.1016/j.visres.2020.07.010。