喜欢机器学习和人工智能，却发现埋头苦练枯燥乏味还杀时间？这里是，雷锋字幕组编译的Arxiv Insights专栏，从技术角度出发，带你轻松深度学习。
原标题 'How neural networks learn' - Part II: Adversarial Attacks
翻译 | 刘宁 校对 | 凡江 整理 | 吴璇
▷每周一条油管频道 Arxiv Insights 视频
当下的图像识别技术看似愈发成熟了，但神经网络还是会犯错，特别是碰到人为伪造图片时，神经网络基本识别无能：
比如你只要带上这幅特制3D眼睛，在神经网络的眼里，你就算已经化成灰了，他根本识别不出来你是谁。
再比如你伪造个车牌，神经网络直接就懵了，基本上全世界的交通摄像头都识别不出来你是真是假。
想要骗过神经网络，也不要什么超高伎俩，随便动动手脚，在原图上增加一点噪音，或是更改一些像素点就成了。但是想骗过人类就难了，我们通常都能知道某张图是伪造的或是人为制作出来的。
假如我们输入一张熊猫的图片，通过卷积神经网络的计算，它被归类为是熊猫。神经网络的运作过程是：在神经网络输出层中随机选择输出神经元（并非代表熊猫的神经元）→将梯度下降法运用于输入熊猫图片的像素点→最大限度地激活目标神经元。但是，如果我们采用调整输入图片像素值，就能骗过神经网络，从而得到错误的分类。
对抗样本不仅可以用于计算机视觉领域，还可以用于自然语言处理领域。像在Amazon，booking，TripAdvisor等网站的信息，大多源于用户在网站上反馈的评价，评价通常会用感情分析来处理和汇总。仅仅修改评价中的几个字，就能完全反转模型对情感的判断。
本视频将介绍对抗攻击及其防御的相关知识，并从以下几个方面介绍：
什么是对抗样本？
对抗样本出现在哪些场合？
对抗样本有什么特性？
如何防御对抗样本？
视频讲解通俗易懂，有兴趣钻研的童鞋可以参考 产生和防御对抗样本的新方法 | 分享总结。
视频原址 https://www.youtube.com/watch?v=4rFOkpI0Lcg&t=902s
更多文章，关注雷锋网，添加雷锋字幕组微信号（leiphonefansub）为好友
备注「我要加入」，To be a AI Volunteer ！
雷锋网雷锋网
相关文章：
时间序列预测教程；OpenAI 谈对抗样本：自然语言处理入门 | AI 开发者日报
OpenAI最新研究：“对抗样本”能轻易黑掉AI系统，如何抵御？
正在生成分享图...
我在思考中