Mänskligt ansiktsigenkänning hittades i neurala nätverk baserat på aphjärnor

När neuroforskare använder funktionell magnetisk resonanstomografi för att se hur en apas hjärna reagerar på bekanta ansikten, händer något konstigt. När den visas ett bekant ansikte lyser en apas hjärna, inte i ett specifikt område, utan i nio olika.

Neuroforskare kallar dessa områden för ansiktsfläckar och tror att de är neurala nätverk med de specialiserade funktioner som är förknippade med ansiktsigenkänning. Under de senaste åren har forskare börjat reta isär vad var och en av dessa plåster gör. Hur de alla fungerar tillsammans är dock dåligt förstått.

Idag får vi lite insikt i detta problem tack vare Amirhossein Farzmahdis arbete vid Institutet för forskning om grundläggande vetenskaper i Teheran, Iran, och några vänner från hela världen. Dessa killar har byggt ett antal neurala nätverk, alla med samma funktioner som de som finns i aphjärnor. De har sedan slagit ihop dem för att se hur de fungerar som helhet.

Resultatet är ett neuralt nätverk som kan känna igen ansikten exakt. Men det är inte allt. Nätverket visar också många av de idiosynkratiska egenskaperna hos ansiktsigenkänning hos människor och apor, till exempel oförmågan att känna igen ansikten lätt när de är upp och ner.

Det nya neurala nätverket består av sex lager med de fyra första tränade för att extrahera primära egenskaper. De två första känner igen kanter, snarare som två områden av den visuella cortex som kallas V1 och V2. De följande två lagren känner igen ansiktsdelar, som mönstret av ögon, näsa och mun. Dessa lager simulerar beteendet hos delar av hjärnan som kallas V4 och de främre IT-neuronerna.

Den femte skiktet tränas att känna igen samma ansikte från olika vinklar. Det är känt som det visningsselektiva lagret och inspirerat av delar av aphjärnorna som kallas mittansiktsfläckar.

Det sista lagret matchar ansiktet med en identitet. Detta kallas det identitetsselektiva lagret och simulerar en del av apens hjärna som kallas den främre ansiktsplåstret.

Farzmahdi och co tränar lagren i systemet med hjälp av olika bilddatabaser. Till exempel innehåller en av datamängderna 740 ansiktsbilder bestående av 37 olika vyer av 20 personer. En annan datauppsättning innehåller bilder på 90 personer tagna från 37 olika betraktningsvinklar. De har också ett antal datauppsättningar för att utvärdera specifika egenskaper hos det neurala nätet.

Efter att ha tränat det neurala nätverket satte Farzmahdi och co det igenom. I synnerhet testar de om nätverket visar kända mänskliga beteenden när de känner igen ansikten.

Till exempel har olika beteendestudier visat att människor känner igen ansikten lättast när de ses från en tre fjärdedels synvinkel innehåller, det är halvvägs mellan en hel frontal och en profil.

Märkligt nog säger Farzmahdi och co att deras nätverk beter sig på samma sätt - den optimala betraktningsvinkeln är samma tre fjärdedels vy som människor föredrar.

En annan märklig egenskap hos mänskligt ansiktsigenkänning är att det är mycket svårare att känna igen ansikten när de är upp och ner. Och Farzmahdi och cos neurala nätverk visar exakt samma egenskap.

Dessutom visar den också den sammansatta ansiktseffekten. Detta inträffar när identiska bilder av toppen av ett ansikte är i linje med olika bottenhalvor, i vilket fall människor uppfattar dem som olika människor. Neuroforskare säger att detta tyder på att ansiktsigenkänning bara fungerar på hela ansikten snarare än i delar.

Farzmahdi och co säger att deras nya neurala nätverk beter sig på exakt samma sätt. Den betraktar sammansatta ansikten som nya identiteter, vilket tyder på att nätverket måste känna igen ansikten som en helhet, precis som människor.

Slutligen säger Farzmahdi och co att när deras neurala nätverk tränas med ansikten av en specifik ras, har det mycket svårare att identifiera ansikten av en annan ras. Återigen, det är ett fenomen som är välkänt hos människor. Människor är bättre på att identifiera ansikten av sin egen ras än andra raser, en effekt som kallas andra raseffekt, säger de.

Det är intressant arbete eftersom inget annat ansiktsigenkänningssystem har kunnat reproducera dessa biologiska egenskaper. Resultaten tyder på att Farzmahdi och co för första gången har hittat ett intressant sätt att reproducera dessa människors och apbeteenden i ett konstgjort system. Vår föreslagna modell ... förklarar neurala svarsegenskaper hos apfläckar; samt flera beteendefenomen som observerats hos människor, säger de.

Processen bakom detta arbete är nästan lika fascinerande som resultatet. Dessa killar har tagit vissa strukturer som finns i aphjärnor, byggt syntetiska system baserat på strukturerna och sedan funnit att det artificiella beteendet matchar det biologiska beteendet.

Om det fungerar för synen, kan det då också fungera för hörsel, beröring, balans, rörelse och så vidare? Och bortom det finns potentialen för att fånga essensen av att vara människa, som på något sätt måste fångas av strukturer i hjärnan.

Andra förslag i kommentarsfältet tack.

Det är uppenbart att områdena för syntetisk neurovetenskap och artificiell intelligens förändras. Och snabbt.

Ref: arxiv.org/abs/1502.01241 : Ett specialiserat nätverk för ansiktsbearbetning som överensstämmer med representationsgeometrin hos monkey Face Patches

Dölj