幾十年來(lái)，神經(jīng)科學(xué)家致力于設(shè)計(jì)計(jì)算機(jī)網(wǎng)絡(luò)來(lái)模擬人類(lèi)的視覺(jué)能力，如認(rèn)知目標(biāo)，大腦在這方面精確而迅速，一瞥之間就能認(rèn)出所見(jiàn)之物。還沒(méi)有一個(gè)計(jì)算機(jī)模型 在識(shí)別視覺(jué)目標(biāo)上與靈長(zhǎng)類(lèi)動(dòng)物的大腦相比。據(jù)物理學(xué)家組織網(wǎng)近日?qǐng)?bào)道，美國(guó)麻省理工大學(xué)神經(jīng)科學(xué)家的一項(xiàng)最新研究發(fā)現(xiàn)，最新一代的所謂“深度神經(jīng)網(wǎng)絡(luò)”能 比得上靈長(zhǎng)類(lèi)動(dòng)物的大腦。
這提高了人們對(duì)靈長(zhǎng)類(lèi)大腦工作原理的理解，有望開(kāi)發(fā)更好的人工智能，帶來(lái)修復(fù)視覺(jué)機(jī)能障礙的新方法，相關(guān)論文發(fā)表在最近的《公共科學(xué)圖書(shū)館·計(jì)算生物學(xué)》上。
新研究指出，目前最好的網(wǎng)絡(luò)是紐約大學(xué)開(kāi)發(fā)的一種模型，在對(duì)目標(biāo)分類(lèi)識(shí)別上能達(dá)到獼猴大腦的水平。論文高級(jí)作者、MIT腦與認(rèn)知科學(xué)系神經(jīng)科學(xué)教授詹姆斯·狄卡羅說(shuō)，最新網(wǎng)絡(luò)的成功表明，神經(jīng)科學(xué)家已相當(dāng)準(zhǔn)確地掌握了目標(biāo)認(rèn)知原理。“模型能預(yù)測(cè)神經(jīng)反應(yīng)和物體在神經(jīng)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(qū)發(fā)生了什么。”
早在上世紀(jì)70年代，科學(xué)家就開(kāi)始構(gòu)建神經(jīng)網(wǎng)絡(luò)。受大腦分級(jí)處理視覺(jué)信息的啟發(fā)，構(gòu)建了視覺(jué)神經(jīng)網(wǎng)絡(luò)模型。他們?cè)谀Ｐ椭袠?gòu)造出多個(gè)計(jì)算層，每層執(zhí)行一步數(shù)學(xué)運(yùn)算。在每一層，圖像目標(biāo)的表達(dá)越來(lái)越復(fù)雜，無(wú)關(guān)的信息被放到一邊。“每個(gè)元素都是非常簡(jiǎn)單的數(shù)學(xué)式，”論文第一作者、MIT麥戈文研究所博士后查爾斯·卡迪歐說(shuō)，“但千百萬(wàn)這些元素結(jié)合在一起，從原始信號(hào)到用于目標(biāo)識(shí)別的表達(dá)式之間就形成了極復(fù)雜的轉(zhuǎn)換。”
研究人員首先檢測(cè)了大腦的目標(biāo)識(shí)別能力。他們顳下（IT）皮層和V4腦區(qū)植入了電極陣列。再把這些和深度神經(jīng)網(wǎng)絡(luò)生成的表達(dá)進(jìn)行對(duì)比，深度神經(jīng)網(wǎng)絡(luò)由系統(tǒng)中每個(gè)計(jì)算元素生成的數(shù)字矩陣構(gòu)成。每幅圖像會(huì)產(chǎn)生一個(gè)不同的數(shù)組。模型的精確性取決于能否把相似的對(duì)象歸類(lèi)到相似的表達(dá)集群。
卡迪歐說(shuō)，這種神經(jīng)網(wǎng)絡(luò)最近取得的成功，取決于兩個(gè)主要因素：一是計(jì)算處理能力，尤其是圖形處理單元（GPUs）方面的巨大進(jìn)步；第二是研究人員能訪問(wèn)大型分類(lèi)數(shù)據(jù)庫(kù)，用數(shù)據(jù)來(lái)“訓(xùn)練”算法。
最初，神經(jīng)網(wǎng)絡(luò)并不能很好地識(shí)別這些圖像，但隨著它們看的圖像越來(lái)越多，不斷發(fā)現(xiàn)錯(cuò)誤，精簡(jiǎn)算法，最終它們對(duì)目標(biāo)物體的識(shí)別會(huì)變得越來(lái)越精確。
目前，狄卡羅實(shí)驗(yàn)室打算開(kāi)發(fā)其它模型，模擬圖像處理的更多方面，包括跟蹤運(yùn)動(dòng)、識(shí)別三維形狀，人類(lèi)視覺(jué)系統(tǒng)中的“反饋”預(yù)測(cè)等?，F(xiàn)有網(wǎng)絡(luò)只能模擬從視網(wǎng)膜到IT皮層的“前饋”預(yù)測(cè)，而從IT皮層返回到其余系統(tǒng)的連接是前饋連接的10倍。