“语言比人更自然……”AI对照片变化的理解仍不及人类[读懂科学]

by Kim Jonghwa

Published 14 Sep.2026 09:12(KST)

Updated 14 Sep.2026 15:20(KST)

open/close

光州科学技术院以4996组图像评估人工智能“变化理解能力”……GPT-5.2得5.72分，人类得7.45分

人工智能（AI）虽然已能生成比人类更自然的句子，但其判断两张照片之间发生了什么变化、哪些变化更为重要的能力，仍明显不及人类。如今，一项新的评估标准也已出台，用于衡量AI在灾害监测、自动驾驶等不仅要识别物体、更要判断“符合情境的变化”的场景中的局限性。

C3-Bench概览。在自然场景、遥感影像、图像编辑、异常检测4个领域下，构建道路、建设、灾害、资源开发、产品缺陷等51种变化情境，综合评估针对各情境的变化说明能力。研究团队供图

光州科学技术院（GIST）14日表示，Kim Euihwan人工智能学系教授团队开发了“C3-Bench（情境感知变化描述基准，Context-Aware Change Captioning Benchmark）”，用于评估AI能否比较两张图像，并在给定情境下找出重要变化并作出准确说明。

C3-Bench并非评估AI在图像中发现了多少差异，而是一种“AI变化理解能力测试”，考察其是否理解“当前应关注什么”，并据此筛选出相应的变化。

例如，即使比较的是同一组铁路照片，正确答案也会因目的而异。若是在观察天气变化，那么积雪增加或云层减少便很重要；但若是检查铁路安全，新出现在轨道上的列车才是核心，天气变化则可能并不重要。

因语境而异的“正确答案变化”示例。同一组铁路图像中，从天气角度看，雪和云层变化是关键；从铁路安全角度看，轨道上出现的列车才是关键变化。研究团队供图

现有评估数据往往聚焦于特定场景或变化，或未明确不同情境下应重点关注什么，因此即使AI在某项测试中得分很高，也难以判断其在真实环境中能否准确找出所需的变化。

研究团队从自然场景、卫星及航空等遥感影像、图像编辑、异常检测等4个领域中选取了51种现实情境，收集由人工直接描述变化内容的4996组图像对，构建了C3-Bench。

针对每种情境，团队分别设定了AI应当找出的变化、应当忽略的差异，以及描述变化时须遵守的标准。评估并非让AI看到同一组照片后随意罗列显眼差异，而是检验其是否根据给定目的正确筛选出了相应变化。

评估方式也有所改变。该方法不再仅比较AI答案与标准答案中包含了多少相同词汇，而是综合评估内容的准确性、具体性、语句自然度及情境相关性。研究团队开发的评估方法所得结果，比既有自动评估方式更接近人工直接评估的结果。

最新AI GPT-5.2的典型错误案例。从左至右依次展示遗漏物体或属性的感知错误、误解位置关系的空间错误、图像顺序颠倒后说明相互矛盾的不一致错误，以及只能识别单一方向变化的变化崩溃错误。红色文字为错误说明部分。研究团队供图

研究团队依据这一标准，分别向人类和GPT-5.2展示400组图像对，并要求其说明变化。在涵盖准确性、具体性、自然度和情境相关性的10分制综合评估中，人类平均得分为7.45分，GPT-5.2为5.72分，差距达1.73分。

值得关注的是语句自然度。在该项目中，GPT-5.2以8.53分反而高于人类的8.32分。这意味着，AI生成看似合理、自然的说明的能力，与其在真实场景中准确理解重要变化的能力，可能并非一回事。

在调换照片顺序的实验中，差距进一步扩大。若第一张照片中不存在的物体出现在第二张照片中，AI应说明“物体出现了”；调换两张照片的顺序后，则应将同一变化表述为“物体消失了”。

研究团队以“可逆性（Reversibility）”指标对此进行测量，结果显示人类达到93%，而GPT-5.2仅为61%。这表明，即便AI能够识别照片中的变化，在连贯理解变化方向方面仍存在局限。

研究团队照片。从左起，Kim Euihwan，人工智能学系教授；Kim Jaewoo，硕博连读生。GIST供图

AI出错的最大原因是基础视觉识别问题。全部错误中，63.3%源于未能正确识别照片中的物体，或错误判断其类别及特征。此外，也存在将不重要的差异认定为重要变化，或错误说明变化含义及位置关系的情况。

Kim Euihwan教授表示：“本次研究系统地表明，AI‘自然说明的能力’与‘准确理解符合情境的变化的能力’并不一定相同。期待C3-Bench能够成为评估和改进AI变化理解能力的共同基础，应用于灾害及事故现场变化监测、利用卫星与航空影像开展的遥感、自动驾驶、异常检测等多种真实环境。”

本项研究由Kim Euihwan教授指导、Kim Jaewoo硕博连读生作为第一作者参与，已入选计算机视觉与机器学习领域主要国际学术会议“欧洲计算机视觉会议（ECCV）2026”。

本报道由人工智能(AI)翻译技术生成。