最新電腦神經網路識別圖像達靈長類動物水準
- 發佈時間：2014-12-22 01:30:55 來源：科技日報 責任編輯：羅伯特
科技日報訊 幾十年來，神經科學家致力於設計電腦網路來模擬人類的視覺能力，如認知目標，大腦在這方面精確而迅速，一瞥之間就能認出所見之物。還沒有一個電腦模型在識別視覺目標上與靈長類動物的大腦相比。
據物理學家組織網近日報道，美國麻省理工大學神經科學家的一項最新研究發現，最新一代的所謂“深度神經網路”能比得上靈長類動物的大腦。這提高了人們對靈長類大腦工作原理的理解，有望開發更好的人工智慧，帶來修復視覺機能障礙的新方法，相關論文發表在最近的《公共科學圖書館·計算生物學》上。
新研究指出，目前最好的網路是紐約大學開發的一種模型，在對目標分類識別上能達到獼猴大腦的水準。論文高級作者、MIT腦與認知科學系神經科學教授詹姆斯·狄卡羅説，最新網路的成功表明，神經科學家已相當準確地掌握了目標認知原理。“模型能預測神經反應和物體在神經叢空間的距離，概括了我們迄今最好的理解，讓我們知道那些以往神秘的腦區發生了什麼。”
早在上世紀70年代，科學家就開始構建神經網路。受大腦分級處理視覺資訊的啟發，構建了視覺神經網路模型。他們在模型中構造出多個計算層，每層執行一步數學運算。在每一層，圖像目標的表達越來越複雜，無關的資訊被放到一邊。“每個元素都是非常簡單的數學式，”論文第一作者、MIT麥戈文研究所博士後查爾斯·卡迪歐説，“但千百萬這些元素結合在一起，從原始信號到用於目標識別的運算式之間就形成了極複雜的轉換。”
研究人員首先檢測了大腦的目標識別能力。他們顳下（IT）皮層和V4腦區植入了電極陣列。再把這些和深度神經網路生成的表達進行對比，深度神經網路由系統中每個計算元素生成的數字矩陣構成。每幅圖像會産生一個不同的數組。模型的精確性取決於能否把相似的對象歸類到相似的表達集群。
卡迪歐説，這種神經網路最近取得的成功，取決於兩個主要因素：一是計算處理能力，尤其是圖形處理單元（GPUs）方面的巨大進步；第二是研究人員能訪問大型分類數據庫，用數據來“訓練”演算法。
最初，神經網路並不能很好地識別這些圖像，但隨著它們看的圖像越來越多，不斷發現錯誤，精簡演算法，最終它們對目標物體的識別會變得越來越精確。
目前，狄卡羅實驗室打算開發其他模型，模擬圖像處理的更多方面，包括跟蹤運動、識別三維形狀，人類視覺系統中的“反饋”預測等。現有網路只能模擬從視網膜到IT皮層的“前饋”預測，而從IT皮層返回到其餘系統的連接是前饋連接的10倍。
（常麗君）
- 股票名稱 最新價 漲跌幅
