Ludzkie Rozpoznawanie liter Rozpoznawanie mowy – w 2015 roku Baidu ogłosiła, że ich system rozpoznawania mowy Deep Speech 2 rozpoznaje mandaryńskie i angielskie frazy wyrwane z kontekstu lepiej, niż przeciętny człowiek znający oba języki Rozpoznawanie obrazów – w 2015 roku program opracowany przez Microsoft robił 4,94% błędów przy rozpoznawaniu obrazów z otwartej bazy danych ImageNet, podczas gdy ludzie robią średnio 5,1% błędów Czytanie ze zrozumieniem - w 2018 roku program Alibaby SLQA+ i program Microsoftu r-net zdobyły 82,4 i 82,7 punktów w teście składającym się ze 100 tysięcy pytań. Przeciętny wynik człowieka to 82,3. Podobny wynik osiągnął MT-DNN na teście General Language Understanding Evaluation.

Słabe Analiza sensowności obrazu polegająca na identyfikowaniu jako dziwne zdjęć przedstawiających doniczkę w miejscu klawiatury lub łączeniu nieprzystających fragmentów zdjęć (łączenie przystających fragmentów jest możliwe dla systemów komputerowych dzięki analizie kolorów i linii) Większość prac wykonywanych przez ludzi (patrz paradoks Moraveca).

Przypisy

*