Ricercatori del MIT hanno sviluppato un modello computazionale che mira a catturare gli elementi umani di riconoscimento facciale e di metterlo in pratica nella nostra intelligenza artificiale (AI) e la macchina di sistemi di apprendimento.
Giovedì, il MIT ha rivelato la ricerca, condotta presso il Centro per il Cervello, la Mente, e le Macchine (CBMM), con sede presso il Massachusetts Institute of Technology.
I ricercatori hanno progettato una macchina di apprendimento del sistema che implementa il nuovo modello e sono addestrati a riconoscere insiemi di particolare facce basata sul campione di immagini, con un conseguente molto più accurate e ‘umano’ modo di riconoscere i volti.
Un aspetto interessante del modello è la “spontanea” aggiunta di un riconoscimento facciale fasi di lavorazione, che avviene quando viene visualizzata un’immagine che mostra un volto che è ruotato — come 45 gradi a sinistra o a destra-che non è stata inclusa nel modello iniziale.
Il team dice che questa proprietà è apparso attraverso il processo di formazione, ma non faceva parte dell’originale breve. Tuttavia, in questo modo, il modello “duplica un sperimentalmente osservato funzione del primate faccia meccanismo di elaborazione.”
Come tale, il gruppo di ricerca ritiene artificiale modello e il cervello sono un “pensiero” lungo le stesse linee.
“Questa non è una prova che noi capire cosa sta succedendo”, dice Tomaso Poggio, un professore di cervello e scienze cognitive presso il MIT e direttore del CBBM. “I modelli sono di tipo cartoni animati della realtà, soprattutto in biologia. Così sarei sorpreso se le cose si rivelano essere così semplice. Ma penso sia una forte evidenza che siamo sulla strada giusta”.
Il ricercatore nuova carta, descritto sulla rivista di Biologia Computazionale, include una dimostrazione matematica del modello di computer.
Il sistema è considerato una rete neurale come si tenta di mimare la struttura del cervello umano e comprende unità semplici che sono disposti in strati di collegamento e di ‘nodi’ che agiscono come informazioni processori.
Dati immessa in rete, classificate in differenti criteri di riconoscimento facciale, e in particolare i nodi di reagire a stimoli diversi. Separando i nodi che reagiscono più fortemente a diverse categorie, i ricercatori sono stati in grado di produrre più accurato riconoscimento dei volti.
Come nodi ‘sparato’ in modi diversi, lo “spontaneo” passaggio anche divenne evidente.
Questa ricerca ha una lunga strada da percorrere, rappresenta un passo avanti per approfondire la nostra comprensione della mente, e come si potrebbe potenzialmente migliorare algoritmi di machine learning e di intelligenza artificiale in tecnologie di riconoscimento facciale.
“Penso che si tratta di un significativo passo in avanti,” dice Christof Koch, presidente e chief scientific officer presso la Allen Institute for Brain Science. “In questo giorno ed età, quando tutto è dominato da grandi dati o enorme simulazioni al computer, questo mostra come una giusta comprensione di apprendimento può spiegare alcuni sconcertanti risultati.
“Stanno solo guardando il feed-forward percorso — in altre parole, i primi 80, 100 millisecondi. La scimmia apre i suoi occhi, e all’interno da 80 a 100 millisecondi, è in grado di riconoscere un volto e un pulsante di segnalazione che,” Koch aggiunto. “La domanda è cosa succede in quelle da 80 a 100 millisecondi, e il modello che hanno sembra spiegare che abbastanza bene.”
All’inizio di questa settimana, i ricercatori Augusta Università proposto un algoritmo che potrebbe risolvere la radice di ciò che chiamiamo intelligenza umana.