MIT les chercheurs ont développé un modèle de calcul qui vise à saisir les éléments humains de la reconnaissance faciale et le mettre en œuvre dans notre intelligence artificielle (IA) et de la machine de systèmes d’apprentissage.
Jeudi, le MIT a révélé la recherche, menée au Centre pour le Cerveau, l’Esprit, et les Machines (CBMM), dont le siège est à Massachusetts Institute of Technology.
Les chercheurs ont conçu une machine système d’apprentissage qui met en œuvre le nouveau modèle et qu’ils ont formés pour reconnaître les ensembles de particulier visages basés sur un échantillon de l’imagerie, résultant en un beaucoup plus précis et de l’homme à la manière de reconnaître les visages.
Un aspect intéressant de ce modèle est le “spontanée” ajout d’une reconnaissance faciale étape de la transformation qui a lieu lorsqu’une image est affichée montrant un visage qui est tourné — comme de 45 degrés vers la gauche ou la droite-qui n’a pas été inclus dans le modèle initial.
L’équipe explique que cette propriété apparaît à travers le processus de formation, mais n’a pas été une partie de la mémoire original. Cependant, de cette façon, le modèle des “doublons expérimentalement observé fonction du primat face-mécanisme de traitement.”
En tant que tel, l’équipe de recherche estime que le modèle artificiel et le cerveau sont ” penser le long des mêmes lignes.
“Ce n’est pas une preuve que nous comprenons ce qui se passe”, dit Tomaso Poggio, un professeur du cerveau et des sciences cognitives au MIT et directeur de la CBBM. “Les modèles sont des sortes de dessins animés de la réalité, surtout en biologie. Donc, je serais surpris si les choses tournent à cette simple. Mais je pense que c’est une forte preuve que nous sommes sur la bonne voie.”
Le chercheur du nouveau document, décrit dans la revue Computational Biology, comprend une preuve mathématique du modèle d’ordinateur.
Le système est considéré comme un réseau de neurones qu’il tente d’imiter la structure du cerveau humain et comprend de simples unités qui sont disposées en couches et la connexion à des ‘noeuds’, qui agissent en tant que fournisseurs d’information.
Les données sont envoyées dans le réseau, classés en différentes reconnaissance faciale critères, et en particulier les nœuds de réagir à des stimuli différents. En séparant les nœuds de réagir le plus fortement à des catégories différentes, les chercheurs ont été en mesure de produire plus de précision de la reconnaissance de visages.
Comme les nœuds de la “flamme” de différentes façons, le “spontanée” de l’étape est également apparu.
Bien que cette recherche a un long chemin à parcourir, il représente un pas en avant dans l’approfondissement de notre compréhension de l’esprit, ainsi que la façon dont on pourrait améliorer les algorithmes d’apprentissage automatique et de l’intelligence artificielle dans les technologies de reconnaissance faciale.
“Je pense que c’est une étape importante”, explique Christof Koch, président et directeur scientifique à l’Allen Institute for Brain Science. “En cette journée et l’âge, quand tout est dominé par deux grandes données ou des simulations sur ordinateur, cela vous montre comment les principes de la compréhension de l’apprentissage peut expliquer certaines déroutante résultats.
“Ce ne sont que de regarder le feed-forward voie — en d’autres termes, le premier 80, 100 millisecondes. Le singe ouvre ses yeux, et dans un rayon de 80 à 100 millisecondes, il peut reconnaître un visage et d’appuyer sur un bouton de signalisation qui,” Koch ajouté. “La question est de savoir ce qui se passe dans les 80 à 100 millisecondes, et le modèle qu’ils ont semble expliquer que bien.”
Plus tôt cette semaine, des chercheurs de Augusta University, a proposé un algorithme qui pourrait résoudre la racine de ce que nous appelons l’intelligence humaine.