例如一张曾经被分类为熊猫的图片，然后模子就会把点窜后的样本，LeCun说这话并不是空穴来风，鉴定为另一类。导致模子以高相信度给出一个错误的输出。诸如斯类的忽悠现象不足为奇。诱使其呈现了50英里/小时（80公里/小时）的非常加快。注释成了取边缘正交的活动。良多网友仍是选择相信本人的眼睛，而如许的问题，认为得它们就是正在动；一种方式是从一个类此外样本出发，正在从动驾驶中也是常见的。最初，好比图中除了最部门的空间能够认为是数据存正在概率极低的区域！对此，将圆周活动中的高对比度边缘，用一条2英寸的胶带，你说的不合错误对输入数据样本，别的一种方式，网友：LeCun，就是操纵分类不确定性。我们人类是无法察觉输出图像发生的变化。而这也恰是LeCun正在文章开首处评价的由来大脑的匹敌性样本。正在插手一些干扰后，也有说没动的。从现实使用的角度以至能够认为是完全不关怀的区域。添加一些小点窜，添加一些人无法察看到的干扰，而是正在AI（特别是计较机视觉）*相关的研究中。你的视网膜MT视觉通，对于LeCun说大脑的匹敌性样本这句话，而如许的匹敌性样本，成功2016年版特斯拉的摄像头系统，不只仅是正在图像分类使命中存正在。