大腦在物體視覺(jué)的開(kāi)始階段就檢測(cè)3D形狀碎片(凹凸，空心，軸，球體)，這是一種新發(fā)現(xiàn)的自然智能策略，約翰·霍普金斯大學(xué)的研究人員也在訓(xùn)練有素的視覺(jué)網(wǎng)絡(luò)的人工智能網(wǎng)絡(luò)中發(fā)現(xiàn)了這種策略。

《當(dāng)前生物學(xué)》上的一篇新論文詳細(xì)介紹了V4區(qū)域中的神經(jīng)元，這是大腦對(duì)象視覺(jué)通路的第一個(gè)階段，它代表3D形狀碎片，而不僅僅是過(guò)去40年用于研究V4的2D形狀。然后，約翰·霍普金斯大學(xué)的研究人員在高級(jí)計(jì)算機(jī)視覺(jué)網(wǎng)絡(luò)AlexNet的早期(第3層)中識(shí)別出了幾乎相同的人造神經(jīng)元反應(yīng)。在自然和人工視覺(jué)中，盡早檢測(cè)3D形狀大概有助于解釋現(xiàn)實(shí)世界中的實(shí)體3D對(duì)象。

Zanvyl Krieger思維/大腦研究所所長(zhǎng)，神經(jīng)科學(xué)教授Ed Connor說(shuō)：“我很早就看到V4發(fā)出清晰，清晰的3D形狀信號(hào)，”。“但是在一百萬(wàn)年中，我從未想過(guò)您會(huì)在AlexNet中看到同樣的事情，AlexNet僅受過(guò)訓(xùn)練，可以將2D照片轉(zhuǎn)換為對(duì)象標(biāo)簽。”

人工智能的長(zhǎng)期挑戰(zhàn)之一是復(fù)制人類(lèi)的視覺(jué)。諸如AlexNet之類(lèi)的深度(多層)網(wǎng)絡(luò)已經(jīng)在對(duì)象識(shí)別方面取得了重大進(jìn)展，這是基于為游戲開(kāi)發(fā)的高容量圖形處理單元(GPU)和互聯(lián)網(wǎng)上爆炸的圖像和視頻所提供的大規(guī)模培訓(xùn)集的。

康納和他的團(tuán)隊(duì)對(duì)自然和人工神經(jīng)元進(jìn)行了相同的圖像響應(yīng)測(cè)試，并在V4和AlexNet層3中發(fā)現(xiàn)了非常相似的響應(yīng)模式。這解釋了康納所描述的大腦之間“怪異的對(duì)應(yīng)關(guān)系”-這是進(jìn)化和進(jìn)化的產(chǎn)物。終身學(xué)習(xí)-和AlexNet-由計(jì)算機(jī)科學(xué)家設(shè)計(jì)并受過(guò)訓(xùn)練以標(biāo)記物體照片?

Connor說(shuō)，AlexNet和類(lèi)似的深度網(wǎng)絡(luò)實(shí)際上是部分基于大腦中的多階段視覺(jué)網(wǎng)絡(luò)而設(shè)計(jì)的。他說(shuō)，他們觀察到的密切相似之處可能表明將來(lái)有機(jī)會(huì)利用自然與人工智能之間的相關(guān)性。

康納說(shuō)：“人工網(wǎng)絡(luò)是當(dāng)前最有前途的理解大腦的模型。相反，大腦是使人工智能更接近自然智能的最佳策略來(lái)源。”