人脸识别优化解决方案

人的大脑似乎非常关心面孔。它专门用于识别它们的特定领域，那里的神经元非常擅长它们的工作，我们大多数人都可以很容易地识别出成千上万的个体。借助人工智能，计算机现在可以以相似的效率识别人脸——麻省理工学院麦戈文脑研究所的神经科学家发现，经过训练以识别人脸和其他物体的计算网络发现了一种令人惊讶的类似于大脑的策略来将它们全部分类。

发表在《科学进展》杂志上的这一发现表明，数百万年的进化形成了人脑中的电路，优化了我们的面部识别系统。

“人脑的解决方案是将人脸处理与物体处理分开，”KatharinaDobs解释说，他在麦戈文研究员、麻省理工学院认知神经科学WalterA.Rosenblith教授NancyKanwisher的实验室担任博士后。.她训练的人工网络也是如此。“这与我们假设任何经过训练以识别面部和对物体进行分类的系统都会找到的解决方案相同，”她补充道。

“这两个完全不同的系统已经找到了一个——如果不是——好的解决方案。这感觉非常深刻，”Kanwisher说。

20多年前，Kanwisher和她的同事在大脑颞叶中发现了一个对面部有特殊反应的小点。这个被他们命名为梭形面部区域的区域是Kanwisher和其他人发现的许多专门用于特定任务的大脑区域之一，例如检测书面文字、感知声乐和理解语言。

Kanwisher说，当她探索人类大脑的组织方式时，她一直对这种组织方式的原因感到好奇。大脑是否需要特殊的机器来进行面部识别和其他功能?“'为什么问题'在科学中很难，”她说。但是通过一种称为深度神经网络的复杂机器学习，她的团队至少可以找出不同的系统如何处理类似的任务。

Dobs是德国JustusLiebig大学Giessen的研究小组负责人，他组装了数十万张图像来训练一个深度神经网络进行人脸和物体识别。该系列包括1,700多个不同人的面孔和数百种不同的物品，从椅子到芝士汉堡。所有这些都呈现给网络，没有任何线索。“我们从未告诉系统其中一些是人脸，一些是物体。所以这只是一项艰巨的任务，”Dobs说。“它需要识别面部身份和自行车或钢笔。”

当该程序学会识别物体和面部时，它会将自己组织成一个信息处理网络，其中包括专门用于面部识别的单元。像大脑一样，这种专门化发生在图像处理的后期阶段。在大脑和人工网络中，面部识别的早期步骤涉及更通用的视觉处理机器，最后阶段依赖于面部专用组件。

目前尚不清楚面部处理机制是如何在发育中的大脑中产生的。尽管如此，根据他们的发现，Kanwisher和Dob表示，网络不一定需要先天的面部处理机制来获得这种专业化。“我们没有在我们的网络中建立任何面子，”Kanwisher说。“这些网络设法在没有针对特定面孔的推动的情况下将自己隔离开来。”

Kanwisher说，看到深度神经网络将自己分离成不同的部分以进行人脸和物体识别，这令人兴奋。“这就是我们在大脑中观察了20多年的东西，”她说。“为什么我们在大脑中有一个单独的人脸识别系统?这告诉我这是因为这就是优化解决方案的样子。”

现在，她渴望使用深度神经网络来提出类似的问题，即为什么其他大脑功能会以这种方式组织起来。她说：“我们有一种新的方式来询问为什么大脑是这样组织的。”“我们在人类大脑中看到的结构中有多少会通过训练网络来执行类似任务而自发产生?”

标签：