大脑如何识别面孔吗

麻省理工学院的研究人员和他们的同事们开发了一种新的计算模型的人类大脑的面部识别机制,似乎人类神经病学的捕捉方面,错过了之前的模型。

研究人员设计一个机器学习系统,实现他们的模型,他们训练识别特定的面孔,喂养它的电池样品图片。他们发现训练系统包括一个中间处理步骤,代表了脸的旋转程度——比如,从中心——但不是45度方向,向左或向右。

这个属性没有内置系统;出现自发的训练过程。但它复制一个灵长类动物的实验观察到的特征人脸识别机制。研究人员认为,这表明他们的系统和大脑在做类似的东西。

“这不是证明我们了解发生了什么,”说Tomaso小山,麻省理工学院大脑与认知科学系教授和中心主任大脑,思想,和机器(CBMM),多研究财团由美国国家科学基金会和麻省理工学院的总部。”模型是现实的漫画,特别是生物学。所以我会感到惊讶如果是这个简单的事情。但我认为这是强有力的证据表明,我们是在正确的轨道上。”

事实上,研究者的新论文包含一个数学证明,他们所使用的特定类型的机器学习系统,旨在提供方法称之为“生物合理”的神经系统模型,将不可避免地产生中介对转动角的表示。

小山,他也是一个主要调查员在麻省理工学院麦戈文脑研究所的资深作者的一篇论文描述了新工作,今天出现在《计算生物学》杂志上。他加入了在纸上的其他几位成员CBMM和麦戈文研究所:第一作者Joel Leibo谷歌DeepMind研究员,他获得博士学位从麻省理工学院脑与认知科学方法作为他的导师;Qianli廖,麻省理工学院的电气工程和计算机科学研究生;法比奥Anselmi, IIT@MIT实验室的一个博士后的计算和统计学习,麻省理工学院的一家合资公司和意大利理工学院;和Winrich Freiwald,洛克菲勒大学副教授。

紧急属性

新纸”的说明我们要做什么(CBMM),这种集成的机器学习和计算机科学一方面,神经生理学,和人类行为的各个方面,“小山说。“这意味着不仅大脑用什么算法,但大脑的回路,实现这些算法”。

方法长期以来一直认为,大脑必须产生的“不变”表示人脸和其他物体,意思表示是对对象的方向在空间中,与观众的距离,或者在视野中的位置。人类和猴子的大脑核磁共振扫描显示,但在2010年,Freiwald发表了一项研究,这项研究描述了神经解剖学猕猴的面部识别机制非常多的细节。

Freiwald显示信息从猴子的大脑视神经经过一系列的地点,每一个都比过去不敏感的方向。神经元在第一个区域火灾只针对特定的脸朝向;神经元在最后地区火不管面对的方向——一个不变量表示。

但神经元似乎在一个中间地区“镜面对称”:也就是说,它们是敏感的角度面对没有对的方向旋转。在一个地区,一个集群的神经元会火一脸向左旋转45度,和不同的集群将火如果向右旋转45度。在最后的地区,同样的神经元集群将火脸是否旋转30度,45度,90度,或介于两者之间的任何地方。但在中间区域,一个特定的神经元集群将火如果面对旋转45度的方向,另一个如果是旋转30度,等等。

这是研究者的机器学习系统复制的行为。“这不是一个模型,试图解释镜面对称,“小山说。“这个模型试图解释不变性,在这个过程中,出现的其他财产。”

神经训练

研究者的机器学习系统是一个神经网络,所谓的因为它大致接近人类的大脑结构的变化。神经网络由非常简单的处理单元,密集排列成层,连接到处理单元或节点,在图层上方和下方。数据被送入的底层网络,该过程在某种程度上,喂他们下一层,等等。培训期间,顶层的输出是与一些分类标准——比如,正确判断给定的图像描绘了一个特定的人。

在先前的研究中,方法的团队训练神经网络产生不变表示,从本质上讲,记住一组代表性的方向只有少数的面孔,小山称之为“模板。“当网络提出了一个新面孔,将测量其区别这些模板。差异将最小的模板的方向是一样的新面孔,和它们相关的输出节点最终将控制信号的信息时间到达顶层。测量不同存储面临的新面孔和新面孔识别的一种签名。

在实验中,这种方法生产的不变表示:一脸的签名是大致相同的,无论其取向。但机制-背诵模板没有,小山说,生物学上合理的。

所以,新的网络使用一个变化在赫的规则,这通常是在神经系统文献描述为“捆绕在一起的神经元。”这意味着,在培训期间,作为连接节点之间的权重被调整产生更精确的输出,节点在音乐会对特定刺激的反应最终导致的最终的输出超过节点独立反应(或不)。

这种方式,也最终收益率不变的表示。但网络的中间层也重复的反应就中间视觉处理区域的灵长类动物大脑。

“我认为这是一个重大进步,“创造者科赫说,总统和首席科学官艾伦脑科学研究所。“在这个时代,当一切都由大数据或巨大的计算机模拟,这表明你原则的理解学习如何解释一些令人困惑的发现。”

“他们非常谨慎,”科赫补充道。“他们只看前馈通路——换句话说,第一个80,100毫秒。猴子打开它的眼睛,在80到100毫秒,它可以识别面部,按下按钮信号。问题是在80到100毫秒,和模型,他们似乎解释说,很好。”

来源:

发生的故事麻省理工学院的。拉里Hardesty写的原创作品。请注意:上面的内容可能是编辑,以确保其符合技术网络的风格和长度的指导方针。188金宝搏备用