Page Nav

GRID_STYLE

Efek

TRUE

Classic Header

{fbt_classic_header}

Son Dakika:

latest

Nörobilimcileri, Bilgisayarların Yüzleri Şaşırtıcı Bir Şekilde İnsan Gibi Tanıdığını Keşfetti

  Nörobilimcileri, Bilgisayarların Yüzleri Şaşırtıcı Bir Şekilde İnsan Gibi Tanıdığını Keşfetti Yapay zeka, nesneleri ve yüzleri görsel olar...


 

Nörobilimcileri, Bilgisayarların Yüzleri Şaşırtıcı Bir Şekilde İnsan Gibi Tanıdığını Keşfetti

Yapay zeka, nesneleri ve yüzleri görsel olarak tanımlamakla görevlendirildiğinde, ağının belirli bileşenlerini yüz tanımaya atar - tıpkı ins

Tercih edilen uyarıcının görselleştirilmesi, örneğin yüz sıralı filtreler. İlk katmanlardaki filtreler (örn. Conv5) basit özelliklerle maksimum düzeyde etkinleştirilirken, filtreler orta düzey katmanlardaki (örn. Conv9) yüz bölümlerine (örn. burun ve gözler) benzeyen özelliklere yanıt verir ve yüzleri temsil eder gibi görünür. geç evrişim katmanlarında daha bütünsel bir şekilde. Kredi: Görüntü Kanwisher laboratuvarının izniyle.

Şu anda Almanya'daki Justus Liebig Üniversitesi Giessen'de araştırma grubu lideri olan Dobs, yüz ve nesne tanıma konusunda derin bir sinir ağını eğitmek için yüz binlerce görüntüyü bir araya getirdi. Koleksiyon, 1.700'den fazla farklı insanın yüzünü ve sandalyelerden çizburgerlere kadar yüzlerce farklı nesneyi içeriyordu. Bunların hepsi, hangisinin hangisi olduğuna dair hiçbir ipucu olmadan ağa sunuldu. "Sisteme bunların bazılarının yüz, bazılarının da nesne olduğunu söylemedik. Yani temelde sadece büyük bir görev,” diyor Dobs. "Bir yüz kimliğinin yanı sıra bir bisiklet veya bir kalem tanıması gerekiyor."

Program, nesneleri ve yüzleri tanımlamayı öğrendiğinde, kendisini, özellikle yüz tanımaya ayrılmış birimler içeren bir bilgi işleme ağı halinde organize etti. Beyin gibi, bu uzmanlaşma da görüntü işlemenin sonraki aşamalarında meydana geldi. Hem beyinde hem de yapay ağda, yüz tanımanın ilk adımları daha genel görme işleme makinelerini içerir ve son aşamalar yüze özel bileşenlere dayanır.

Gelişmekte olan bir beyinde yüz işleme makinelerinin nasıl ortaya çıktığı bilinmiyor, ancak bulgularına dayanarak Kanwisher ve Dobs, ağların bu uzmanlığı elde etmek için doğuştan gelen bir yüz işleme mekanizması gerektirmediğini söylüyor. Kanwisher, “Ağımıza yüz yüze hiçbir şey eklemedik” diyor. "Ağlar, yüze özel bir dürtü verilmeden kendilerini ayırmayı başardı."

Kanwisher, derin sinir ağının yüz ve nesne tanıma için kendisini ayrı parçalara ayırdığını görmenin heyecan verici olduğunu söylüyor. “20 yıldır beyinde buna bakıyoruz” diyor. "Beyinde yüz tanıma için neden ayrı bir sistemimiz var? Bu bana bunun optimize edilmiş bir çözümün nasıl göründüğünden kaynaklandığını söylüyor.”

Şimdi, diğer beyin fonksiyonlarının neden bu şekilde organize edildiğine dair benzer sorular sormak için derin sinir ağlarını kullanmaya hevesli. “Beynin neden böyle organize olduğunu sormanın yeni bir yolu var” diyor. "İnsan beyninde gördüğümüz yapının ne kadarı, ağları karşılaştırılabilir görevleri yapmak üzere eğiterek kendiliğinden ortaya çıkacak?"

Referans: Katharina Dobs, Julio Martinez, Alexander JE Kelland ve Nancy Kanwisher, 16 Mart 2022, Science Advances , “Beyin benzeri işlevsel uzmanlaşma derin sinir ağlarında kendiliğinden ortaya çıkıyor” .

DOI: 10.1126/sciadv.abl8913an beyni gibi.

İnsan beyni yüzlere çok önem veriyor gibi görünüyor. Onları tanımlamak için belirli bir alan ayrılmıştır ve oradaki nöronlar işlerinde o kadar iyidir ki çoğumuz binlerce kişiyi kolayca tanıyabiliriz. Yapay zeka ile bilgisayarlar artık benzer bir verimlilikle yüzleri tanıyabilir ve MIT'nin McGovern Beyin Araştırmaları Enstitüsü'ndeki sinirbilimciler, yüzleri ve diğer nesneleri tanımlamak için eğitilmiş bir hesaplama ağının, hepsini sıralamak için şaşırtıcı derecede beyin benzeri bir strateji keşfettiğini keşfettiler. .

16 Mart 2022'de Science Advances'te bildirilen bulgu, insan beynindeki devreleri şekillendiren milyonlarca yıllık evrimin, sistemimizi yüz tanıma için optimize ettiğini gösteriyor.

Hesaplamalı Ağ Yüzleri Tanımlama

MIT'nin McGovern Enstitüsü'ndeki sinirbilimciler, yüzleri ve diğer nesneleri tanımlamak için eğitilmiş bir hesaplama ağının, hepsini sıralamak için şaşırtıcı derecede beyin benzeri bir strateji keşfettiğini keşfettiler. Kredi bilgileri: MIT

MIT'de Walter A. Rosenblith Bilişsel Sinirbilim Profesörü McGovern araştırmacısı Nancy Kanwisher'ın laboratuvarında doktora sonrası araştırmacı olarak çalışmayı yöneten Katharina Dobs, “İnsan beyninin çözümü, yüzlerin işlenmesini nesnelerin işlenmesinden ayırmaktır” diye açıklıyor. . Eğittiği yapay ağ da aynısını yaptı. "Ve bu, yüzleri tanımak ve nesneleri sınıflandırmak için eğitilmiş herhangi bir sistemin bulacağını varsaydığımız çözümle aynı" diye ekliyor.

"Bu iki tamamen farklı sistem, iyi bir çözümün - değilse de - ne olduğunu anladı. Ve bu çok derin hissettiriyor” diyor Kanwisher.

Fonksiyonel olarak spesifik beyin bölgeleri

20 yıldan fazla bir süre önce, Kanwisher ve meslektaşları, beynin temporal lobunda, özellikle yüzlere tepki veren küçük bir nokta keşfettiler. Fusiform yüz alanı olarak adlandırdıkları bu bölge, Kanwisher ve diğerlerinin bulduğu, yazılı sözcükleri algılama, sesli şarkıların algılanması ve dili anlama gibi belirli görevlere ayrılmış birçok beyin bölgesinden biridir.

Kanwisher, insan beyninin nasıl organize edildiğini araştırırken, bu organizasyonun nedenlerini her zaman merak ettiğini söylüyor. Beynin yüz tanıma ve diğer işlevler için gerçekten özel makinelere ihtiyacı var mı? “'Neden sorular' bilimde çok zor” diyor. Ancak derin sinir ağı adı verilen karmaşık bir makine öğrenimi türüyle, ekibi en azından farklı bir sistemin benzer bir görevi nasıl yerine getireceğini öğrenebilirdi.


Hiç yorum yok