2022年3月24日功能
的自发出现在神经网络类人脑功能专业化
人类的大脑有着独特的理解和高度专业化的功能区域语言,识别人脸和提前计划。然而,神经科学家还必须破译功能专门化的高度观察大脑皮层。现在一项新的研究发表在科学的进步,凯瑟琳娜捐助和一组科学家的大脑与认知科学、麻省理工学院和Zuckerman思维大脑和行为研究所,哥伦比亚大学,纽约,美国,investigated face perception with artificial neural networks to test the hypothesis that functional segregation of facial recognition in the brain reflected computational optimization for broader applications of visual facial recognition. The team showed how functional visual segregation revealed a widespread tendency for optimization to create functional specialization in machines, and also further investigate the complexity of the phenomenon relative to brains.
功能专业化
而大脑功能定位的概念遇到了几个世纪以来争议,现在以压倒性的证据支持。可以选择性地激活区域的皮质特定的感知或认知任务中断时,它可以产生选择性障碍。大脑神经科学家越来越多的目标是理解为什么展品这种级别的功能专业化。进化的可能性包括事故很容易添加模块和解决新问题。研究人员也强调了心理过程的选择性调制通过功能专业化。第三种可能是计算的原因完成任务,无法解决相对通用机械。在这个工作中,罗伯特等人测试第三假说理解最有成就的情况下大脑功能专门化的相对于视觉识别的面孔。团队采用先进的深卷积神经网络(cnn)实现人类在某些性能视觉识别的任务。基于大量研究和object-trained face-trained网络脸和对象识别、捐赠等人发现一般倾向于任务隔离网络,打开门来调查具体的架构,饮食和训练检测任务,将隔离网络,和假设也在大脑。
测试如果object-trained cnn人脸识别,反之亦然,捐助等人训练两个随机初始化VGG16网络最初提出的a . Zisserman和k Simoyan牛津大学的面部识别和对象分类。团队解码陌生的脸从face-trained身份从object-trained网络,网络和不熟悉的对象。他们指出显著恶化性能在面部识别object-trained网络比face-trained网络,为目标识别,反之亦然,指示如何表征学习对于一个特定的任务不容易转化为另一个任务。就像大脑,每个任务似乎受益于专门的特定于任务的表示。
形成一个dual-trained网络
规避限制,捐助等人质疑如果训练一个网络执行这两个任务将导致发现一个共同的高性能特征空间对面孔和对象。为了解决这个问题,他们训练一个新的网络面临身份和对象分类。一心二用地网络意外几乎在每个任务执行,指示一个共同特征空间网络解决这两个任务,反对功能专业化高任务性能的假说。学会了另一种可能性是,网络隔离的脸和对象识别,虽然团队没有建立进入网络体系结构,促进这样的东西。测试这种可能性,他们进行了一系列实验,结果表明自发网络隔离成不同的脸和子系统对象识别尽管缺乏特定于任务的,感应偏压鼓励的结果。
增加任务跨层隔离像大脑
捐助等人下决定如果任务隔离层的网络上建立。在灵长类动物大脑,通常的分类处理共享一组初始的共同的特征,在早期阶段的处理(视网膜等),其次是分支到范畴特定通路(脸、身体等)。的团队试图理解这种相似性dual-trained cnn (卷积神经网络月初),发现任务隔离小层,同时增加与后来的层。根据结果,脸和对象的处理逐渐分化在处理内部网络的中间阶段后期变得高度隔离,就像这些特性在灵长类动物大脑。进一步的研究强调了处理层次的特性。结果表明,观测高度的功能隔离不来自数据集的偏见,但由不同的高中档水平每个任务的视觉特征。
工作镜像功能专业化在人类视觉系统,虽然目前还不清楚如果学特性的物种可以执行类似于人类的视觉系统。检查这个,捐助等人跑两个行为实验测量的脸和对象的感知相似性刺激。对于每个任务,团队相关行为表示不同矩阵每一层的每个参与者face-trained, object-trained和双重任务复杂的神经网络训练。一心二用地网络捕捉到人类行为的脸和任务展示学习解决方案执行的任务类似于人类视觉系统和探索这个设置为其他视觉范畴。结果表明,虽然功能隔离发现大脑中也可以发现在复杂的神经网络,大脑没有完全类似于神经网络的细微差别。
前景
这样,凯瑟琳罗伯特和他的同事们全面检查功能专门化的大脑组织测试的假设专业化在大脑中可能导致优化的多个自然任务。他们预测,截然不同的计算系统可能到达一个类似的解决方案和测试假说在错综复杂的神经网络(cnn)来理解一个最有成就的brain-face识别功能专业化。结果有趣的是突出的原因大脑组织的方式。结果表明功能隔离解决多个任务的自然结果。方法开发的这项工作将使科学家们检验这些假设,进一步的想法。
进一步探索
广宇罗伯特•杨等任务表示神经网络训练来执行许多认知任务,自然神经科学(2019)。DOI: 10.1038 / s41593 - 018 - 0310 - 2
©2022科学欧宝app网彩X网络