دانشمندان علوم اعصاب MIT کشف کردند که رایانه‌ها چهره‌ها را به طرز شگفت‌آوری شبیه انسان شناسایی می‌کنند. موضوعات: هوش مصنوعی مغز علم کامپیوتر چهره

 

 

 

 

مجله بنیادی 

 

 

 

وقتی هوش مصنوعی وظیفه شناسایی بصری اشیا و چهره ها را بر عهده دارد، اجزای خاصی از شبکه خود را به تشخیص چهره اختصاص می دهد - درست مانند مغز انسان.

 

به نظر می رسد مغز انسان به چهره ها اهمیت زیادی می دهد. این یک منطقه خاص برای شناسایی آنها اختصاص داده است، و نورون های آنجا به قدری در کار خود خوب هستند که اکثر ما به راحتی می توانیم هزاران نفر را تشخیص دهیم. با هوش مصنوعی، رایانه‌ها اکنون می‌توانند چهره‌هایی را با کارایی مشابه تشخیص دهند - و دانشمندان علوم اعصاب در موسسه تحقیقات مغز مک گاورن MIT دریافتند که یک شبکه محاسباتی آموزش دیده برای شناسایی چهره‌ها و سایر اشیاء، استراتژی شگفت‌انگیز مغز مانندی را برای مرتب کردن همه آنها کشف می‌کند.

 

این یافته که در 16 مارس 2022 در Science Advances گزارش شد، نشان می دهد که میلیون ها سال تکامل که مدارهایی را در مغز انسان شکل داده است، سیستم ما را برای تشخیص چهره بهینه کرده است.

 

شبکه محاسباتی شناسایی چهره ها

دانشمندان علوم اعصاب در موسسه مک گاورن MIT دریافته اند که یک شبکه محاسباتی آموزش دیده برای شناسایی چهره ها و سایر اشیاء، یک استراتژی شگفت آور مغز مانند برای مرتب کردن همه آنها کشف می کند. اعتبار: MIT

 

کاترینا دابز که این مطالعه را به عنوان پسادکتر در آزمایشگاه محقق مک گاورن نانسی کانویشر، پروفسور والتر ای. روزنبلیت، پروفسور علوم اعصاب شناختی در MIT هدایت می‌کرد، توضیح می‌دهد: «راه‌حل مغز انسان جداسازی پردازش چهره‌ها از پردازش اشیا است. . شبکه مصنوعی که او آموزش داد همین کار را کرد. او می افزاید: "و این همان راه حلی است که ما فرض می کنیم هر سیستمی که برای تشخیص چهره ها و دسته بندی اشیاء آموزش دیده باشد، می تواند پیدا کند."

 

«این دو سیستم کاملاً متفاوت متوجه شده‌اند که راه‌حل خوب - اگر نه - چیست. کانویشر می گوید و این احساس بسیار عمیقی دارد.

 

مناطق عملکردی خاص مغز

بیش از 20 سال پیش، کانویشر و همکارانش نقطه کوچکی را در لوب گیجگاهی مغز کشف کردند که به طور خاص به چهره ها پاسخ می دهد. این ناحیه، که آنها آن را ناحیه صورت دوکی نامیدند، یکی از بسیاری از مناطق مغزی است که کانویشر و دیگران یافته اند که به وظایف خاصی مانند تشخیص کلمات نوشته شده، درک آهنگ های صوتی و درک زبان اختصاص دارد.

 

کانویشر می گوید که از آنجایی که به بررسی نحوه سازماندهی مغز انسان پرداخته است، همیشه در مورد دلایل آن سازمان کنجکاو بوده است. آیا مغز واقعاً به ماشین آلات خاصی برای تشخیص چهره و سایر عملکردها نیاز دارد؟ او می‌گوید: «چرا سؤال‌ها در علم بسیار دشوار هستند. اما با یک نوع پیچیده از یادگیری ماشینی به نام شبکه عصبی عمیق، تیم او حداقل می‌تواند دریابد که چگونه یک سیستم متفاوت می‌تواند کار مشابهی را انجام دهد.

 

فیلترهای رتبه بندی چهره

تجسم محرک ترجیحی برای مثال فیلترهای رتبه‌بندی چهره. در حالی که فیلترها در لایه‌های اولیه (مانند Conv5) حداکثر با ویژگی‌های ساده فعال می‌شوند، فیلترها به ویژگی‌هایی که تا حدودی شبیه قسمت‌های صورت (مانند بینی و چشم) در لایه‌های سطح متوسط (مانند Conv9) ظاهر می‌شوند پاسخ می‌دهند و به نظر می‌رسد که چهره‌ها را نشان می‌دهند. روشی جامع تر در لایه های کانولوشن متأخر. اعتبار: تصویر از آزمایشگاه کانویشر.

 

دابز که اکنون رهبر یک گروه تحقیقاتی در دانشگاه Justus Liebig Giessen در آلمان است، صدها هزار تصویر جمع آوری کرد تا با آن یک شبکه عصبی عمیق در تشخیص چهره و اشیا را آموزش دهد. این مجموعه شامل چهره بیش از 1700 نفر مختلف و صدها نوع شیء مختلف، از صندلی گرفته تا چیزبرگر بود. همه اینها بدون هیچ سرنخی در مورد کدام یک به شبکه ارائه شد. ما هرگز به سیستم نگفته‌ایم که برخی از آن‌ها چهره هستند و برخی از آن‌ها اشیا هستند. بنابراین اساساً این فقط یک کار بزرگ است،" دابز می گوید. "این باید هویت چهره و همچنین دوچرخه یا خودکار را تشخیص دهد."

 

 

همانطور که برنامه شناسایی اشیاء و چهره ها را یاد گرفت، خود را در یک شبکه پردازش اطلاعات با واحدهایی که به طور خاص به تشخیص چهره اختصاص داده شده بود، سازمان داد. مانند مغز، این تخصص در مراحل بعدی پردازش تصویر رخ داد. هم در مغز و هم در شبکه مصنوعی، مراحل اولیه در تشخیص چهره شامل ماشین آلات پردازش بینایی عمومی تر است و مراحل پایانی به اجزای اختصاصی چهره متکی است.

 

مشخص نیست که چگونه ماشین‌های پردازش چهره در مغز در حال توسعه ایجاد می‌شوند، اما بر اساس یافته‌هایشان، کانویشر و دابز می‌گویند که شبکه‌ها برای کسب این تخصص لزوماً به مکانیزم پردازش چهره ذاتی نیاز ندارند. کانویشر می‌گوید: «ما چیزی شبیه به شبکه خود ایجاد نکردیم. «شبکه‌ها توانستند خودشان را جدا کنند، بدون اینکه به آنها ضربه‌ای خاص داده شود

 

کانویشر می‌گوید دیدن شبکه عصبی عمیق که خود را به بخش‌های جداگانه برای تشخیص چهره و اشیا تقسیم می‌کند، هیجان‌انگیز بود. او می‌گوید: «این چیزی است که ما برای 20 سال در مغز به آن نگاه می‌کنیم. چرا ما یک سیستم جداگانه برای تشخیص چهره در مغز داریم؟ این به من می گوید که به این دلیل است که یک راه حل بهینه به نظر می رسد.

 

اکنون، او مشتاق است تا از شبکه‌های عصبی عمیق برای پرسیدن سؤالات مشابه در مورد اینکه چرا سایر عملکردهای مغز به همان شکلی که هستند، استفاده کند. او می‌گوید: «ما راه جدیدی برای پرسیدن این موضوع داریم که چرا مغز به این شکل که هست سازمان‌دهی شده است. "چه مقدار از ساختاری که در مغز انسان می بینیم به طور خود به خود با آموزش شبکه ها برای انجام وظایف مشابه ایجاد می شود؟"

 

 

 

 

 

 

 

سبد خرید