近日，Facebook人工智能研究人员对6种物体识别系统进行了分析，其结果表明，这些计算机视觉系统能更加高效地识别更贵的家居物品。该研究测试了Facebook、GoogleCloud、微软Azure、AWS、IBM Watson和Clarifai的物体分类系统。
研究结果表明，这六种系统在识别最昂贵的一批家具时，识别的成功率要比最便宜的一批家具高出10%到20%。
Facebook的一位发言人拒绝分享其他公司的具体数据，但他表示，对比月收入高于3500美元的美国家庭和月收入低于50美元的索马利亚家庭，Facebook系统识别的准确率存在最高20%的差别。
总的来说，这些系统识别北美和欧洲家居用品的准确率要高于亚洲和非洲，具体的研究细节已经被研究人员发表在论文里，名为“Does Object Recognition Work for Everyone?”（意为：物品识别系统对每个人都有效吗？）
物品识别系统能借助计算机视觉来感知不同物品之间的差异，不少云服务公司和面向消费者的企业都会用到这样的系统。对于Facebook而言，物品识别主要能用于内容调节，以及帮助视觉障碍人士了解屏幕上的内容。
“我们的分析表明了这种‘物品识别偏见’普遍存在，包括我们的公司也是如此。该结果表明了我们需要在各行各业都做得更好。通过发布这些结果，描述我们的方法，各个地区的人工智能研究人员和工程师就能利用它来测试和比较自己的物品识别系统，从而更高效地服务每个人，”研究人员在博客中写道。
为了测试精度，研究人员利用了Gapminder Foundation编译的开源数据集，该数据集囊括了50个国家的264个家庭的照片。
各大识别系统的准确率都存在差异。研究人员表示，引发差异的部分原因可能就是因为他们的训练照片几乎都是来自于欧洲和北美。
