近日，Facebook人工智能研究人員對6種物體識別系統進行了分析，其結果表明，這些計算機視覺系統能更加高效地識別更貴的家居物品。該研究測試了Facebook、GoogleCloud、微軟Azure、AWS、IBM Watson和Clarifai的物體分類系統。
研究結果表明，這六種系統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的一位發言人拒絕分享其他公司的具體數據，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，Facebook系統識別的準確率存在最高20%的差別。
總的來說，這些系統識別北美和歐洲家居用品的準確率要高于亞洲和非洲，具體的研究細節已經被研究人員發表在論文里，名為“Does Object Recognition Work for Everyone?”(意為：物品識別系統對每個人都有效嗎?)
物品識別系統能借助計算機視覺來感知不同物品之間的差異，不少云服務公司和面向消費者的企業都會用到這樣的系統。對于Facebook而言，物品識別主要能用于內容調節，以及幫助視覺障礙人士了解屏幕上的內容。
“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。該結果表明了我們需要在各行各業都做得更好。通過發布這些結果，描述我們的方法，各個地區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，從而更高效地服務每個人，”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編譯的開源數據集，該數據集囊括了50個國家的264個家庭的照片。
各大識別系統的準確率都存在差異。研究人員表示，引發差異的部分原因可能就是因為他們的訓練照片幾乎都是來自于歐洲和北美。
