Ansiktsgjenkjenning er ikke så komplisert som tidligere antatt


Ansiktsgjenkjenning er ikke så komplisert som tidligere antatt

Bryteforskning låser opp hemmelighetene i ansiktsperspektivet.

Ansiktsgjenkjenning har forvirret forskere i generasjoner. Hvordan kan menneskehjernen begå så mange individuelle ansikter til minne med så enkelt? En studie publisert denne uken i tidsskriftet Celle Finner at ansiktsgjenkjenning faktisk kan være mye enklere enn vi trodde.

Når vi ser på et utvalg av ansikter, kan våre hjerner enkelt ut de kjente uten anstrengelse. Denne jevne prosessen kommer så naturlig at folk flest aldri gir det en annen tanke.

Men noen som gir dette fenomenet en annen tanke er Doris Tsao, professor i biologi og bioteknologi ved California Institute of Technology i Pasadena.

I de senere år har prof. Tsao gjennomført en rekke eksperimenter som har forsøkt å komme til bunnen av ansiktsperspektivet.

I tidligere studier brukte prof. Tsao og hennes kolleger funksjonelle MR-skanninger for å søke etter relevante hjerneområder hos mennesker og andre primater.

Nærmere bestemt fant de seks regioner som er ansvarlige for å identifisere ansikter. Disse områdene, referert til som ansiktsplaster, er innkapslet i den underordnede temporal (IT) cortex, som er et område som er kjent for å være involvert i visuell behandling.

Ansiktsflater og ansiktsceller

Hver av de seks flekkene er pakket med nevroner som brann spesielt sterkt når de presenteres med ansikter, sammenlignet med andre gjenstander. Prof. Tsao og team kaller disse nevronene "ansiktsceller". De demonstrerte også at kunstig stimulering av disse ansiktsceller i makaque aper forstyrret deres oppfatning av ansikter mye mer enn andre gjenstander.

Tidligere teorier hadde det at hver av cellene i disse hjerneområdene representerte et bestemt ansikt. Dette ringer imidlertid ikke sant. "Du kan potensielt gjenkjenne 6 milliarder mennesker, men du har ikke 6 milliarder ansiktsceller i IT-cortexen, forteller prof. Tsao." Det måtte være en annen løsning."

I den siste studien gravd prof. Tsao og postdoktor Steven Le Chang dypere inn i ansiktscellens funksjon. De viste at hver av cellene representerer en bestemt akse i flerdimensjonalt rom, som forskerne refererer til som "ansiktsrom".

På samme måte som rød, blå og grønn kombinere for å produsere hver farge, kan disse aksene kombineres for å produsere alle mulige ansikter.

Teamet startet "ved å designe et 50-dimensjonalt rom som kan representere alle ansikter." Halvparten av dimensjonene ble tildelt ansiktsform, slik som avstanden mellom øynene, og de andre 25 ble tilordnet andre funksjoner, inkludert tekstur og hudtone.

De brukte macaque apen som en modell. Ved å sette elektroder inn i ansiktsplastene, kunne de registrere aktiviteten til enkeltflateceller. Hvert ansikt som ble presentert for makaken, ga en proporsjonal respons i ansiktscellene avhengig av forskjeller i en enkelt akse.

Dekoding av algoritmen

Etter dette laget teamet en algoritme som kunne dekode ansikter fra nevrale responsene alene. Med andre ord, ved å bare måle aktiviteten til disse ansiktscellene, kunne forskerne generere en representasjon av ansiktet som apen så på. Når de algoritme-genererte bildene ble sammenlignet med de faktiske bildene, var de nesten identiske.

Kanskje overraskende var det nok å ta signaler fra litt mer enn 200 nevroner i bare to ansiktsplaster, for å rekonstruere ansiktene. Det var 106 celler i ett ansiktsplaster og 99 i det andre.

Folk sier alltid et bilde er verdt tusen ord. Men jeg liker å si at et bilde av et ansikt er verdt rundt 200 nevroner."

Prof. Doris Tsao

Den endelige spiken i kisten av en-neuron-en-ansiktsteorien ble hamret på plass ved den siste delen av studien. Prof. Tsao og Chang fant at en rekke svært forskjellige ansikter kunne føre til at en individuell ansiktscelle "brann på nøyaktig samme måte."

Det var et uventet funn, som Prof. Tsao sier, "Dette var helt sjokkerende for oss, vi hadde alltid trodd at ansiktsceller var mer komplekse. Men det viser seg at hver ansiktscelle bare måler avstand langs en enkelt akse med ansiktsrom og Er blind for andre funksjoner."

Selv om det er flere trinn som må skje mellom å se et bilde og responsen til ansiktscellene, kan de bare beinene av ansiktsgjenkjenning være overraskende enkle. Disse resultatene kan ikke bare gjelde ansiktsgjenkjenning. I stedet for "Dette arbeidet antyder at andre objekter kan kodes med like enkle koordinatsystemer," forklarer prof. Tsao.

Denne kunnskapen kan anspore til etableringen av innovative applikasjoner for kunstig intelligens. Som Prof. Tsao legger til, "Dette kan inspirere til nye maskininlæringsalgoritmer for å gjenkjenne ansikter. I tillegg kan vår tilnærming brukes til å finne ut hvordan enheter i dype nettverk kodes for andre ting, for eksempel objekter og setninger."

Lær mer om ansiktsperspektiv og hvordan den former menneskelig opplevelse.

Lazer Team (Video Medisinsk Og Faglig 2021).

§ Problemer På Medisin: Medisinsk praksis