MIT-forskarna har utvecklat en beräkningsmodell som syftar till att fånga den mänskliga delar av ansiktsigenkänning och genomföra den i vår artificiell intelligens (AI) och machine learning system.
På torsdag, MIT visade den forskning, som bedrivs vid Centrum för Hjärnor, Hjärnor, och Maskiner (CBMM), med huvudkontor på Massachusetts Institute of Technology.
Forskarna konstruerade en maskin lärande system som implementerar den nya modellen och de har utbildning att känna igen uppsättningar av särskilt ansikten som baseras på prov bildspråk, vilket resulterar i en betydligt mer korrekt och “mänskligt” sätt att känna igen ansikten.
En intressant aspekt av modellen är “spontan” tillägg av en ansiktsigenkänning behandling steg, som sker när en bild visas med ett ansikte som roteras — som 45 grader till vänster eller höger-som inte ingick i den ursprungliga modellen.
Laget säger att denna egenskap verkade genom utbildningen, men var inte en del av den ursprungliga kort. Men på detta sätt, modell “dubbletter ett experimentellt observerade funktion av primater ansikte-mekanism för behandling.”
Som sådan, forskargruppen anser konstgjorda modell och hjärnan är “tänkande” längs samma linjer.
“Detta är inte ett bevis på att vi förstår vad som händer, säger Tomaso Poggio, professor i hjärnan och kognitionsvetenskap vid MIT och chef för CBBM. “Modeller är typen av karikatyrer av verkligheten, särskilt i biologi. Så jag skulle bli förvånad om saker och ting visar sig vara så enkelt. Men jag tror att det är starka bevis för att vi är på rätt spår.”
Forskarnas nya papper, som beskrivs i tidskriften beräkningsbiologi, innehåller ett matematiskt bevis av datorn modell.
Systemet anses vara ett neuralt nätverk som försöker att efterlikna strukturen i den mänskliga hjärnan och innehåller enkla enheter som är arrangerade i lager och ansluta till “noder” som fungerar som informations-processorer.
Data som matas in i nätet, indelade i olika ansiktsigenkänning kriterier, och särskilt noder reagerar på olika stimuli. Genom att separera vilka noder reagerar de starkt olika kategorier, var forskarna kunna producera mer korrekt igenkänning av ansikten.
Som noder ‘sköt’ på olika sätt, den “spontana” steg blev också uppenbart.
Även om denna forskning har en lång väg att gå, det är ett steg framåt i arbetet med att fördjupa vår förståelse av sinnet, samt hur vi skulle kunna förbättra maskinlärande algoritmer och artificiell intelligens i teknik för ansiktsigenkänning.
“Jag tror att det är ett betydande steg framåt”, säger Christof Koch, president och chief scientific officer på Allen Institute for Brain Science. “I denna dag och ålder, när allt domineras av antingen big data eller stora datorsimuleringar, detta visar hur en principiell förståelse av lärande kan förklara något förbryllande resultat.
“De är bara att titta på den feed-forward väg — med andra ord, de första 80, 100 millisekunder. Apan öppnar sina ögon, och inom 80 till 100 millisekunder, man kan känna igen ett ansikte och trycka på en knapp som signalerar att,” Koch lagt till. “Frågan är vad som händer i de 80 till 100 millisekunder, och den modell som de har, verkar för att förklara det ganska bra.”
Tidigare denna vecka, forskare från Augusta Universitet föreslagit en algoritm som kan lösa roten till det vi kallar mänsklig intelligens.