你现在能听到我吗？人类与机器感知的敏感性比较

处理感官输入的机器学习系统的兴起带来了人类与机器感知之间比较的增加。但此类比较面临一个挑战：尽管机器对某些刺激的感知通常可通过直接且显式的度量来探测，人类的大部分感知知识是潜在的、不完整的或无法显式报告的。在此，我们探讨这种不对称性如何导致此类比较低估人类与机器感知的重叠。作为一个案例研究，我们考虑人类对\textit{对抗性语音}的感知——即被自动语音识别系统识别为有效消息、但人类听者据称听作无意义噪声的合成音频命令。在五个实验中，我们改编自人类心理物理学文献的任务设计，表明即使受试者无法自由转写此类语音命令（先前衡量人类理解力的基准），他们通常也能展示其他形式的理解，包括区分对抗性语音与紧密匹配的非语音（实验 1--2）、完成以对抗性语音开始的常见短语（实验 3--4），以及解决以对抗性语音提出的简单数学问题（实验 5）——即使对于先前被描述为对人类听者不可理解的 stimuli 也是如此。我们建议在比较人类与机器感知时采用此类“敏感性测试”，并讨论这些方法对评估系统间重叠的更广泛影响。