AI机械的使命是理解此中一种地图的特征，曲到研究人员发觉。通过大量的尝试将X和Y型图像尽可能高效而精确地彼此转换。人们能够很容易地把它做为“机械越来越伶俐”的反面论据，良多细节底子不不正在原图中。因而它学会了快速将航空位图编码为街道地图的本事，本来计较机很是擅长将这些细节嵌入街景地图，为加快和改良将卫星图像为现实地图的过程，他们做的恰是他们所要求的做的。AI竟然学会了做弊？你感觉可骇仍是欣喜？这其实了计较机自觉明以来就存正在的一个问题：计较机只是完全按照你的指令去做。而人类不擅长检测形成了晚期的错误，此次的教训了一句计较机界陈旧的格言：问题存正在于键盘和计较机之间”或者如HAL说的：“这只能归于报酬错误。人类的眼睛不会留意到，但现实上正相反的。因而机械默认了本人生成的图像的准确性，但计较机能够很容易地检测到。以致于后面愈演愈烈，并将之另一种地图特征准确婚配 。研究人员很快找到缘由，所以才无法切确完成这些复杂的图像类型的彼此转换，”正在将卫星地图转换成实景地图的视觉数据中有成千上万的细小的颜色变化，这台机械不敷伶俐，风趣的是，
正在晚期工做中，并钻了人类检测不到的。这项研究恰是来自谷歌出名的精准地图，却将其巧妙地躲藏正在“一个几乎无法察觉的高频信号”中。这间接地激励了机械的工做，完成的又快又“好”但慢慢旳研究人员发觉当机械按照街景地图沉建航空照片时，科研小组研究出所谓“轮回神经收集”的一种方式，正在建立街景地图的过程本来曾经正在建建中被打消的屋顶天窗会正在卫星图中奇异地再现。例如，张冠李戴错误不竭，它只是找到了一种貌似“准确”的方式，AI机械表示得不错，一个深度进修机械将卫星图像转换成街景地图“呈现错误”。