Menneskelig ansigtsgenkendelse fundet i neuralt netværk baseret på abehjerner

Når neurovidenskabsmænd bruger funktionel magnetisk resonansbilleddannelse til at se, hvordan en abes hjerne reagerer på kendte ansigter, sker der noget mærkeligt. Når det vises et kendt ansigt, lyser en abes hjerne op, ikke i et specifikt område, men i ni forskellige.

Neurovidenskabsmænd kalder disse områder for ansigtspletter og tror, ​​de er neurale netværk med de specialiserede funktioner, der er forbundet med ansigtsgenkendelse. I de senere år er forskere begyndt at drille fra hinanden, hvad hver af disse plastre gør. Men hvordan de alle fungerer sammen er dårligt forstået.

I dag får vi en vis indsigt i dette problem takket være Amirhossein Farzmahdis arbejde ved Institut for Forskning i Grundlæggende Videnskaber i Teheran, Iran og nogle få venner fra hele verden. Disse fyre har bygget en række neurale netværk, hver med de samme funktioner som dem, der findes i abehjerner. De har derefter slået dem sammen for at se, hvordan de fungerer som helhed.

Resultatet er et neuralt netværk, der kan genkende ansigter nøjagtigt. Men det er ikke alt. Netværket viser også mange af de idiosynkratiske egenskaber ved ansigtsgenkendelse hos mennesker og aber, for eksempel manglende evne til nemt at genkende ansigter, når de er på hovedet.

Det nye neurale netværk består af seks lag, hvor de første fire er trænet til at udtrække primære funktioner. De første to genkender kanter, snarere som to områder af den visuelle cortex kendt som V1 og V2. De næste to lag genkender ansigtsdele, såsom mønstret af øjne, næse og mund. Disse lag simulerer adfærden af ​​dele af hjernen kaldet V4 og de forreste IT-neuroner.

Den femte er laget trænet til at genkende det samme ansigt fra forskellige vinkler. Det er kendt som det selektive lag og er inspireret af dele af abehjerner kaldet mellemansigtspletter.

Det sidste lag matcher ansigtet med en identitet. Dette kaldes det identitetsselektive lag og simulerer en del af abehjernen kendt som det anteriore ansigtsplaster.

Farzmahdi og co træner lagene i systemet ved hjælp af forskellige billeddatabaser. For eksempel indeholder et af datasættene 740 ansigtsbilleder bestående af 37 forskellige visninger af 20 personer. Et andet datasæt indeholder billeder af 90 personer taget fra 37 forskellige betragtningsvinkler. De har også en række datasæt til evaluering af specifikke egenskaber ved det neurale net.

Efter at have trænet det neurale netværk, satte Farzmahdi og co det igennem. De tester især, om netværket udviser kendt menneskelig adfærd, når de genkender ansigter.

For eksempel har forskellige adfærdsundersøgelser vist, at mennesker nemmest genkender ansigter, når de ses fra et tre fjerdedels synspunkt indeholder, det er halvvejs mellem en fuld frontal og en profil.

Mærkeligt nok siger Farzmahdi og co, at deres netværk opfører sig på samme måde - den optimale betragtningsvinkel er den samme trekvartvisning, som mennesker foretrækker.

Et andet mærkeligt træk ved menneskelig ansigtsgenkendelse er, at det er meget sværere at genkende ansigter, når de er på hovedet. Og Farzmahdi og cos neurale netværk viser nøjagtig den samme egenskab.

Hvad mere er, demonstrerer det også den sammensatte ansigtseffekt. Dette sker, når identiske billeder af toppen af ​​et ansigt er justeret med forskellige bundhalvdele, i hvilket tilfælde mennesker opfatter dem som værende forskellige mennesker. Neurovidenskabsmænd siger, at dette tyder på, at ansigtsgenkendelse kun virker på niveauet af hele ansigter snarere end i dele.

Farzmahdi og co siger, at deres nye neurale netværk opfører sig på nøjagtig samme måde. Den betragter sammensatte ansigter som nye identiteter, hvilket tyder på, at netværket skal genkende ansigter som en helhed, ligesom mennesker.

Endelig siger Farzmahdi og co, at når deres neurale netværk trænes ved at bruge ansigter af en specifik race, finder det meget sværere at identificere ansigter af en anden race. Endnu en gang er det et fænomen, der er velkendt hos mennesker. Folk er bedre til at identificere ansigter af deres egen race end andre racer, en effekt kendt som anden race-effekt, siger de.

Det er interessant arbejde, fordi intet andet ansigtsgenkendelsessystem har været i stand til at reproducere disse biologiske egenskaber. Resultaterne tyder på, at Farzmahdi og co har fundet en interessant måde at reproducere disse menneskers og abeadfærd i et kunstigt system for første gang. Vores foreslåede model...forklarer neurale responskarakteristika for abeansigtspletter; samt adskillige adfærdsfænomener observeret hos mennesker, siger de.

Processen bag dette arbejde er næsten lige så fascinerende som resultatet. Disse fyre har taget visse strukturer fundet i abehjerner, bygget syntetiske system baseret på strukturerne og så fundet ud af, at den kunstige adfærd matcher den biologiske adfærd.

Hvis det virker for synet, kan det så også virke for hørelse, berøring, balance, bevægelse og så videre? Og ud over det er der potentialet for at fange essensen af ​​at være menneske, som på en eller anden måde skal fanges af strukturer i hjernen.

Andre forslag i kommentarfeltet tak.

Det er klart, at områderne for syntetisk neurovidenskab og kunstig intelligens er under forandring. Og hurtigt.

Ref: arxiv.org/abs/1502.01241 : Et specialiseret ansigtsbehandlingsnetværk, der er i overensstemmelse med repræsentationsgeometrien af ​​abeansigtsplastre

skjule