Computere kan normalt out-compute den menneskelige hjerne, men der er visse opgaver, såsom visuelt objekt anerkendelse, der hjernen udfører let endnu er meget udfordrende for computere.
Hjernen har en meget mere sofistikerede og hurtig visuel forarbejdning system end selv den mest avancerede kunstige vision system, giver os en uhyggelig evne til at udtrække frontfremspringet oplysninger efter blot et glimt, der formentlig også flygtig for bevidst tanke. Hvis du vil undersøge dette fænomen, har neuroforskere længe brugt hurtig kategorisering opgaver, i hvilke emner angiver, om et objekt fra en bestemt klasse (f.eks. et dyr) er til stede eller ikke i billedet.
Nu, i en ny undersøgelse af MIT, en computermodel, designet til at efterligne måde selve hjernen processer visuelle oplysninger udfører samt mennesker gøre på hurtig kategorisering opgaver. Modellen har endda tendens til at lignende fejl som mennesker, muligvis fordi det så nøje følger organisationen i hjernen visuelle system.
"Vi skabt en model, der tager hensyn til en vært kvantitative anatomiske og fysiologiske data om visuelle cortex og forsøger at simulere, hvad der sker i de første 100 millisekunder eller så, når vi ser et objekt," forklarede højtstående forfatter Tomaso Poggio McGovern Institut for Brain Research på MIT. "Dette er den første gang en model har været i stand til at genskabe menneskelige funktionsmåden på slags opgave." Undersøgelse, udstedt på linje forud for April 10, 2007 Proceedings of the National Academy of Sciences (PNAS), stammer fra et samarbejde mellem computational neuroforskere i Poggio's lab og Aude Oliva, en kognitiv neuroscientist i MIT afdeling af Hjerne og kognitiv videnskab.
Denne nye undersøgelse understøtter en lang, holdt hypotese, at hurtig kategorisering sker uden nogen feedback fra Kognitiv eller andre områder af hjernen. Resultaterne viser også, at modellen kan hjælpe neuroforskere gøre forudsigelser og drev nye forsøg at udforske hjernen mekanismer involveret i human visual perception, Kognition og funktionsmåde. Dyk foder frem- og tilbagemeldinger forarbejdning relative bidrag kan med tiden hjælpe med at forklare neuropsychological lidelser såsom autisme og skizofreni. Modellen også virksomhedstelefonen verden af kunstig intelligens (AI) og neuroscience fordi det kan føre til bedre kunstige vision systemer og augmented sensoriske proteser.
Hurtig kategorisering
Under normale daglige vision flytter øjet omkring en scene at give hjernen tid til fokusere på relevante stikord, såsom en slange kruset i stien. Evolutionært taler, afhænger overlevelse ofte imidlertid udvinder vitale oplysninger i ét blik, så vi hoppe ud af fares måde, før vi indser selv, hvad vi har set.
Kognitiv neuroforskere har studeret dette fænomen ved hjælp af en hurtig kategorisering opgave som emner bliver bedt om at sige om et bestemt objekt (f.eks. et dyr) er til stede eller ikke. I denne opgave se emner et billede blinkede på en skærm, der er hurtigt erstattet med en sletter maske (lyserød støj), som formodes at lukke Kognitiv feedback. Efter blot en 50 millisekunder glimt af et billede, mindre tid, end det kan tager til flash to videorammer, folk stadig nøjagtigt rapport et objekts kategori, selvom de er næppe klar over, hvad de har set.
Sideløbende har computational neuroforskere spores strømmen af oplysninger fra nethinden gennem stadig mere komplekse visuelle områder (V1, V2, V4) højeste rent visuelle regionen, inferotemporal cortex (IT), og på højere områder såsom prefrontal cortex (PFC) hvor objekt kategorisering er repræsenteret. Poggio lab replikeret de hypotetiske computations hjernen udfører som oplysninger hastigheder fremad gennem den visuelle reaktionsvej. For nylig viste de, at denne biologisk inspireret model, som svarer til en række forskellige fysiologiske data, også kan lære at genkende objekter fra virkelige eksempler og identificere relevante objekter i komplekse scener. (Se http://web.mit.edu/newsoffice/2007/surveillance.html). Og andre undersøgelser fra lab viste, at de oplysninger for forarbejdning, som opstår under én feed-forward pass gennem den visuelle cortex er tilstrækkeligt robuste objekt anerkendelse.
Modellen er således et passende køretøj til prøvning den behavioral undersøgelse nr-feedback-nødvendigt teori, mens dyret/nej animalske behavioral testen gør god virkelighed kontrollere for modellen.