MIT forskere har udviklet en computermodel, der har til formål at fange den menneskelige elementer af facial anerkendelse og implementere det i vores kunstig intelligens (AI) og machine learning systemer.
På torsdag, MIT afsløret den forskning, der gennemføres på Center for Hjerner, Sind og Maskiner (CBMM), med hovedkvarter på Massachusetts Institute of Technology.
Forskerne har designet en machine learning system, der implementerer den nye model, og de har trænet den til at genkende sæt af særlig ansigter baseret på stikprøve billedsprog, hvilket resulterer i en langt mere præcis og ‘human’ måde at genkende ansigter.
Et interessant aspekt af modellen er den “spontane” tilføjelse af en facial anerkendelse behandling skridt, der finder sted, når et billede vises der et ansigt, der er roteret — som 45 grader til venstre eller højre — som ikke var medtaget i den oprindelige model.
Holdet, siger denne ejendom viste sig gennem uddannelse, men at der ikke var en del af det oprindelige kort. Men på denne måde, model “dubletter et eksperimentelt observeret funktion af primat ansigt-behandling mekanisme.”
Som sådan, forskerholdet mener, at den kunstige model og hjernen er ‘at tænke’ langs de samme linjer.
“Dette er ikke et bevis for, at vi forstår, hvad der foregår,” siger Tomaso Poggio, en professor i hjernen og de kognitive videnskaber ved MIT og direktør for CBBM. “Modeller form af karikaturer af virkeligheden, især i biologi. Så jeg ville blive overrasket, hvis tingene vise sig at være det simpelt. Men jeg tror, at det er stærke beviser for, at vi er på rette spor.”
Forskeren er nyt papir, der er beskrevet i tidsskriftet Computational Biology, omfatter et matematisk bevis af computer model.
Systemet betragtes som et neuralt netværk, som det forsøger at efterligne strukturen af den menneskelige hjerne og omfatter enkle enheder, som er arrangeret i lag og tilslutning til ‘knudepunkter’, der fungerer som informations-processorer.
Data fødes ind i det netværk, der er klassificeret i forskellige facial anerkendelse kriterier, og især noder reagere på forskellige stimuli. Ved at adskille, hvilke knudepunkter reagere på det kraftigste, at forskellige kategorier, var forskerne i stand til at producere mere nøjagtig genkendelse af ansigter.
Som knudepunkter ‘fyret’ på forskellige måder, den “spontane” trin også tydeligt.
Mens denne forskning har en lang vej at gå, det er et skridt fremad i at uddybe vores forståelse af sindet, samt hvordan vi kunne potentielt forbedre machine learning algoritmer og kunstig intelligens i facial anerkendelse teknologier.
“Jeg synes, det er et stort skridt fremad,” siger Christof Koch, president og chief scientific officer hos Allen Institute for Brain Science. “I denne dag og alder, når alt er domineret af enten big data eller store computersimuleringer, det viser dig, hvordan en principiel forståelse af læring kan forklare nogle forvirrende resultater.
“De er kun kigger på den feed-forward vej — med andre ord, de første 80, 100 millisekunder. Aben åbner sine øjne, og inden for 80 til 100 millisekunder, det kan genkende et ansigt, og tryk på en knap signalerer, at” Koch tilføjet. “Spørgsmålet er, hvad der foregår i de 80 til 100 millisekunder, og den model, som de har synes at forklare, at ganske godt.”
Tidligere i denne uge, forskere fra Augusta, University foreslået en algoritme, der kan løse det rod i det, vi kalder den menneskelige intelligens.