近日，F(xiàn)acebook人工智能研究人員對6種物體識別系統(tǒng)進(jìn)行了分析，其結(jié)果表明，這些計算機(jī)視覺系統(tǒng)能更加高效地識別更貴的家居物品。該研究測試了Facebook、Google Cloud、微軟Azure、AWS、IBM Watson和Clarifai的物體分類系統(tǒng)。

研究結(jié)果表明，這六種系統(tǒng)在識別最昂貴的一批家具時，識別的成功率要比最便宜的一批家具高出10%到20%。

Facebook的一位發(fā)言人拒絕分享其他公司的具體數(shù)據(jù)，但他表示，對比月收入高于3500美元的美國家庭和月收入低于50美元的索馬利亞家庭，F(xiàn)acebook系統(tǒng)識別的準(zhǔn)確率存在最高20%的差別。

總的來說，這些系統(tǒng)識別北美和歐洲家居用品的準(zhǔn)確率要高于亞洲和非洲，具體的研究細(xì)節(jié)已經(jīng)被研究人員發(fā)表在論文里，名為“Does Object Recognition Work for Everyone?”(意為：物品識別系統(tǒng)對每個人都有效嗎?)

物品識別系統(tǒng)能借助計算機(jī)視覺來感知不同物品之間的差異，不少云服務(wù)公司和面向消費者的企業(yè)都會用到這樣的系統(tǒng)。對于Facebook而言，物品識別主要能用于內(nèi)容調(diào)節(jié)，以及幫助視覺障礙人士了解屏幕上的內(nèi)容。

“我們的分析表明了這種‘物品識別偏見’普遍存在，包括我們的公司也是如此。該結(jié)果表明了我們需要在各行各業(yè)都做得更好。通過發(fā)布這些結(jié)果，描述我們的方法，各個地區(qū)的人工智能研究人員和工程師就能利用它來測試和比較自己的物品識別系統(tǒng)，從而更高效地服務(wù)每個人，”研究人員在博客中寫道。

為了測試精度，研究人員利用了Gapminder Foundation編譯的開源數(shù)據(jù)集，該數(shù)據(jù)集囊括了50個國家的264個家庭的照片。

各大識別系統(tǒng)的準(zhǔn)確率都存在差異。研究人員表示，引發(fā)差異的部分原因可能就是因為他們的訓(xùn)練照片幾乎都是來自于歐洲和北美。

關(guān)鍵詞：