人工智慧可以根據五官相對位置形狀等等資訊加以判定，人眼受到的各種誘導太多。別把人工智慧看的太神奇。

我閨女兩歲半就能透過氣氛看出我和他媽有沒有吵架，人工智慧就不行。

人類無法正常分辨，意味著訓練集本身的標記就可能存在偏差，如果用神經網路去識別，結果也只是說從圖片中能夠抓取到的最大的特徵表示，很可能驢唇不對馬嘴。神經網路是人訓練出來的，人無法辨認的東西，自然神經網路也無能為力。

人類無法識別因為人類沒見過又或者差別非常之小肉眼分辨不出來。

這個時候機器的優勢就出來了，機器學習透過給機器餵養大量的資料，透過各種糾錯不斷提高識別的準確率最終達到超過人類的水平，並且由於機器天生對資料敏感，兩個圖片即使差別很小但是體現在資料上卻非常明顯。因此機器能很好的解決人類識別不了的東西。

人工智慧分辨影象差異是透過影象識別來獲取影象資訊（類似掃描裝置獲取物體形狀，顏色等資訊），再轉化成計算機語言（任何圖形，顏色都能在計算機上轉換成一串程式碼），然後利用計算機的高速運算能力可以快速辨別出不同的東西對應的程式碼差異。簡單的說就是把形象的圖形差異用死板數字的對比來代替。畢竟一大串數字有一個發生變化了，計算機就能很快發現了，而我們人類就不行了。

人工智慧影象識別在目前階段依賴於訓練集的質量。高質量的訓練集可以使它的識別效果超出一般人，達到人類頂尖團隊的水平。但是也僅是如此，它並不能超越頂尖團隊很多，某些情況下依然會犯錯誤。

其原因很好理解。訓練資料是人類整理歸納的，所以人如果自己都分辨不出來，也就意味著訓練資料會有錯誤。訓練資料的錯誤，自然會造成人工神經網路的錯誤。

所以說，智慧識別想要超過頂尖人類群體，其實還不太可能。只是超過了很多普通人而已。