211service.com
Menselijke gezichtsherkenning gevonden in neuraal netwerk op basis van apenhersenen
Wanneer neurowetenschappers functionele magnetische resonantiebeeldvorming gebruiken om te zien hoe de hersenen van een aap reageren op bekende gezichten, gebeurt er iets vreemds. Wanneer een bekend gezicht wordt getoond, lichten de hersenen van een aap op, niet in een specifiek gebied, maar in negen verschillende.
Neurowetenschappers noemen deze gebieden gezichtspatches en denken dat het neurale netwerken zijn met de gespecialiseerde functies die verband houden met gezichtsherkenning. In de afgelopen jaren zijn onderzoekers begonnen uit elkaar te halen wat elk van deze patches doet. Hoe ze allemaal samen functioneren, wordt echter slecht begrepen.
Vandaag krijgen we enig inzicht in dit probleem dankzij het werk van Amirhossein Farzmahdi aan het Instituut voor Onderzoek naar Fundamentele Wetenschappen in Teheran, Iran, en een paar vrienden van over de hele wereld. Deze jongens hebben een aantal neurale netwerken gebouwd, elk met dezelfde functies als die in apenhersenen. Ze hebben ze vervolgens samengevoegd om te zien hoe ze als geheel werken.
Het resultaat is een neuraal netwerk dat gezichten nauwkeurig kan herkennen. Maar dat is niet alles. Het netwerk vertoont ook veel van de eigenaardige eigenschappen van gezichtsherkenning bij mensen en apen, bijvoorbeeld het onvermogen om gezichten gemakkelijk te herkennen als ze ondersteboven liggen.
Het nieuwe neurale netwerk bestaat uit zes lagen, waarbij de eerste vier zijn getraind om primaire functies te extraheren. De eerste twee herkennen randen, vergelijkbaar met twee delen van de visuele cortex die bekend staan als V1 en V2. De volgende twee lagen herkennen gezichtsdelen, zoals het patroon van ogen, neus en mond. Deze lagen simuleren het gedrag van delen van de hersenen die V4 worden genoemd, en de voorste IT-neuronen.
De vijfde is dat de laag wordt getraind om hetzelfde gezicht vanuit verschillende hoeken te herkennen. Het staat bekend als de weergaveselectieve laag en is geïnspireerd op delen van apenhersenen die middengezichtspatches worden genoemd.
De laatste laag matcht het gezicht met een identiteit. Dit wordt de identiteitsselectieve laag genoemd en simuleert een deel van het aaphersenen dat bekend staat als de voorste gezichtspleister.
Farzmahdi en co trainen de lagen in het systeem met behulp van verschillende beelddatabases. Een van de datasets bevat bijvoorbeeld 740 gezichtsafbeeldingen bestaande uit 37 verschillende weergaven van 20 personen. Een andere dataset bevat afbeeldingen van 90 mensen, genomen vanuit 37 verschillende kijkhoeken. Ze hebben ook een aantal datasets voor het evalueren van specifieke eigenschappen van het neurale net.
Farzmahdi en co hebben het neurale netwerk getraind en het op de proef gesteld. Ze testen met name of het netwerk bekend menselijk gedrag vertoont bij het herkennen van gezichten.
Zo hebben verschillende gedragsstudies aangetoond dat mensen gezichten het gemakkelijkst herkennen wanneer ze vanuit driekwart standpunt worden bekeken, dat is halverwege tussen een volledige frontale en een profiel.
Vreemd genoeg zeggen Farzmahdi en co dat hun netwerk zich op dezelfde manier gedraagt: de optimale kijkhoek is hetzelfde driekwartbeeld dat mensen prefereren.
Een ander merkwaardig kenmerk van menselijke gezichtsherkenning is dat het veel moeilijker is om gezichten te herkennen als ze ondersteboven liggen. En het neurale netwerk van Farzmahdi en co vertoont precies dezelfde eigenschap.
Bovendien demonstreert het ook het samengestelde gezichtseffect. Dit gebeurt wanneer identieke afbeeldingen van de bovenkant van een gezicht worden uitgelijnd met verschillende onderste helften, in welk geval mensen ze als verschillende mensen zien. Neurowetenschappers zeggen dat dit suggereert dat gezichtsherkenning alleen werkt op het niveau van hele gezichten in plaats van in delen.
Farzmahdi en co zeggen dat hun nieuwe neurale netwerk zich op precies dezelfde manier gedraagt. Het beschouwt samengestelde gezichten als nieuwe identiteiten, wat suggereert dat het netwerk gezichten als geheel moet herkennen, net als mensen.
Ten slotte zeggen Farzmahdi en co dat wanneer hun neurale netwerk wordt getraind met behulp van gezichten van een specifiek ras, het veel moeilijker is om gezichten van een ander ras te identificeren. Nogmaals, dat is een bekend fenomeen bij mensen. Mensen zijn beter in het identificeren van gezichten van hun eigen ras dan andere rassen, een effect dat bekend staat als ander ras-effect, zeggen ze.
Dat is interessant werk omdat geen enkel ander gezichtsherkenningssysteem deze biologische kenmerken heeft kunnen reproduceren. De resultaten suggereren dat Farzmahdi en co voor het eerst een interessante manier hebben gevonden om dit gedrag van mensen en apen in een kunstmatig systeem te reproduceren. Ons voorgestelde model ... verklaart neurale responskenmerken van apengezichtspatches; evenals verschillende gedragsfenomenen waargenomen bij mensen, zeggen ze.
Het proces achter dit werk is bijna net zo fascinerend als het resultaat. Deze jongens hebben bepaalde structuren in apenhersenen genomen, een synthetisch systeem gebouwd op basis van de structuren en vervolgens ontdekt dat het kunstmatige gedrag overeenkomt met het biologische gedrag.
Als dat werkt voor zicht, zou het dan ook kunnen werken voor horen, aanraken, balans, beweging enzovoort? En verder is er het potentieel om de essentie van het mens-zijn vast te leggen, wat op de een of andere manier moet worden vastgelegd door structuren in de hersenen.
Andere suggesties in het opmerkingengedeelte alstublieft.
Het is duidelijk dat de gebieden van synthetische neurowetenschap en kunstmatige intelligentie aan het veranderen zijn. En snel.
Referentie: arxiv.org/abs/1502.01241 : Een gespecialiseerd gezichtsverwerkingsnetwerk dat consistent is met de representatieve geometrie van Monkey Face-patches