人脑似乎非常关心面孔。它专门用于识别它们，而那里的神经元在他们的工作中非常出色，以至于我们大多数人都可以很容易地认识到成千上万的我
人脑似乎非常关心面孔。它是一个专门的领域来识别它们，而那里的神经元在他们的工作中如此出色，以至于我们大多数人都可以很容易地认识到成千上万的人。借助人工智能，计算机现在可以识别出具有类似效率的面孔 – 麻省理工学院麦戈文脑研究所的神经科学家发现，一个经过培训的计算网络训练了识别面孔，其他对象发现了一种令人惊讶的类似脑部的策略，可以将它们全部解决。
这一发现在3月16日的科学进展中报道，这一发现表明，在人脑中塑造电路的数百万年级的进化已经优化了我们的面部识别系统。
凯瑟琳娜·杜布斯（Katharina Dobs）解释说：“人的大脑的解决方案是将面孔的处理从物体的处理中隔离。” 。她训练的人造网络也做了同样的事情。她补充说：“这是我们假设的任何训练以识别面孔并分类对象的系统的解决方案。”
“这两个完全不同的系统已经弄清楚了（如果不是 – 良好的解决方案）是什么。这感觉非常深刻。”坎威什说。
功能特定的大脑区域
20多年前，坎威什（Kanwisher）和她的同事发现了大脑颞叶中的一个小地方，对面孔的反应。他们将这个区域命名为Fusiform Face区域，是Kanwisher的众多大脑区域之一，而其他地区则发现专门针对特定任务，例如对书面单词的检测，对声音的感知和理解语言。Kanwisher说。当她探索人类脑的组织方式时，她一直对该组织的原因感到好奇。大脑是否真的需要特殊的机械来进行面部识别和其他功能？她说：“在科学方面，’为什么要问题’非常困难。”但是，借助复杂的机器学习，称为深神经网络，她的团队至少可以找出不同系统如何处理类似的任务。
可视化首选刺激（例如面部级过滤器）（图片由Kanwisher实验室提供）
Dobs现在是德国Justus Liebig University Giessen的研究小组负责人，他组装了数十万张图像，以训练面部和物体识别的深层神经网络。该系列包括从椅子到芝士汉堡的1,700多人和数百种不同种类的物体的面孔。所有这些都呈现给网络，没有什么线索。 “我们从未告诉系统，其中一些是面孔，其中一些是对象。因此，这基本上只是一项艰巨的任务。” Dobs说。 “它需要识别脸部身份以及自行车或笔。”
当该计划学会识别对象和面孔时，它将自己组织成一个信息处理网络，其中包含专门用于面部识别的单位。像大脑一样，这种专业发生在图像处理的后期阶段。在大脑和人造网络中，面部识别的早期步骤涉及更多的一般视觉处理机械，最后阶段依赖面部划分的组件。不知道面部处理机器是如何在发育中的大脑中出现的，而是基于他们的发现。 Kanwisher和Dobs说，网络不一定需要先天的面部处理机制来获得该专业化。坎维什说：“我们没有在网络中建造任何面对面的东西。” “网络设法将自己隔离开来，而没有被特定于面部的微动。”
坎维什说，看到深度神经网络将自己隔离为单独的部分，以供面部和对象识别，这令人兴奋。她说：“这就是我们在大脑中一直在看的20年。” “为什么我们有一个单独的系统来识别大脑的面部识别？这告诉我这是因为这是一种优化的解决方案。”
现在，她渴望使用深层神经网，问有关为什么其他大脑功能以其方式组织方式的类似问题。她说：“我们有一种新的方式来询问为什么大脑以这种方式组织。” “我们在人类大脑中看到的结构将通过训练网络自发地出现以执行可比较的任务？”
在麻省理工学院新闻的允许下重新发布。阅读原始文章。
原创文章，作者：小彭山，如若转载，请注明出处：http://www.dsonekey.com/4207.html
