Les chercheurs de Brown comprennent les mécanismes neuraux derrière des phénomènes contextuels

Ce cercle est-il du vert ou le gris ? Les lignes de centre sont-elles droites ou inclinées ?

Les illusions optiques peuvent être amusement à remarquer et discussion, mais la compréhension comment les esprits humains perçoivent ces différents phénomènes reste un domaine actif de recherche scientifique. Pour une classe des illusions optiques, des phénomènes contextuels appelés, ces perceptions sont connus pour dépendre du contexte. Par exemple, la couleur que vous pensez qu'un cercle central est dépend de la couleur de la sonnerie environnante. Parfois la couleur extérieure effectue la couleur intérieure ressembler, comme une sonnerie verte voisine effectuant une sonnerie bleue apparaissent turquoise -- mais parfois la couleur extérieure effectue la couleur intérieure ressembler moins, comme une sonnerie rose effectuant un cercle gris semblent verdâtre.

Une équipe des experts en matière de visibilité d'ordinateur de Brown University a retourné pour ajuster un pour comprendre les mécanismes neuraux de ces phénomènes contextuels. Leur étude était publiée sur septembre 20 dans la révision psychologique.

« Là élève l'accord que les illusions optiques ne sont pas un parasite mais une caractéristique, » a dit Thomas Serre, un professeur agrégé des sciences cognitives, linguistiques et psychologiques à Brown et à l'auteur supérieur du papier. « Je pense qu'ils sont une caractéristique. Ils peuvent représenter des cas d'arête pour notre système visuel, mais notre visibilité est si puissante dans la durée de jour en jour et en identifiant des objectifs. »

Pour l'étude, le fil d'équipe par Serre, qui est affilié avec l'institut de Carney de Brown pour la science du cerveau, a commencé par un modèle de calcul contraint par des caractéristiques anatomiques et neurophysiologiques du cortex visuel. Le modèle a visé à capter comment les neurones corticaux voisins les envoient message entre eux et règle des réactions de chacun une fois présenté avec les stimulus complexes tels que des illusions optiques contextuelles.

Une innovation l'équipe comprise dans leur modèle était une configuration spécifique des liens de contrôle par retour de l'information présumés entre les neurones, a dit Serre. Ces liens de contrôle par retour de l'information peuvent augmenter ou diminuer -- excitez ou empêchez -- la réaction d'un neurone central, selon le contexte visuel.

Ces liens de contrôle par retour de l'information ne sont pas présents dans la plupart des algorithmes apprenants profonds. Apprendre profondément est un genre puissant d'artificial intelligence qui peut apprendre les configurations complexes dans les caractéristiques, telles qu'identifier des images et analyser le discours normal, et dépend des couches multiples de réseaux neuronaux artificiels fonctionnant ensemble. Cependant, la plupart des algorithmes apprenants profonds comprennent seulement des liens de réaction entre les couches, pas liens de contrôle par retour de l'information novateurs de Serre entre les neurones dans une couche.

Une fois que le modèle était construit, l'équipe lui a présenté un grand choix d'illusions contexte-dépendantes. Les chercheurs « ont ajusté » la force des liens excitatoires ou inhibiteurs de contrôle par retour de l'information de sorte que les neurones modèles aient répondu d'une voie compatible avec des caractéristiques de neurophysiologie du cortex visuel de primate.

Alors ils ont vérifié le modèle sur un grand choix d'illusions contextuelles et ont de nouveau trouvé que le modèle a perçu les illusions comme des êtres humains.

Afin de vérifier s'ils rendaient le modèle inutilement complexe, ils avec des lésions le modèle -- enlever sélecteur certains des liens. Quand le modèle manquait certains des liens, les caractéristiques n'ont pas apparié les caractéristiques de perception humaine en tant qu'exactement.

« Notre modèle est le modèle le plus simple qui est nécessaire et suffisant pour expliquer le comportement du cortex visuel en vue de des illusions contextuelles, » Serre a dit. « C'était réellement travail de calcul de neurologie de manuel -- nous avons commencé par un modèle à expliquer des caractéristiques de neurophysiologie et avons fini avec des prévisions pour des caractéristiques humaines de psychophysique. »

En plus de fournir une explication d'unification pour la façon dont les êtres humains voient une classe des illusions optiques, Serre établit sur ce modèle dans le but d'améliorer la visibilité artificielle.

Les algorithmes artificiels de pointe de visibilité, comme ceux employés pour étiqueter des faces ou pour identifier des signes d'arrêt, ont la panne voir le contexte, il ont noté. En incluant les liens horizontaux ajustés par des illusions optiques contexte-dépendantes, il espère adresser cette faiblesse.

Il sera plus difficile de duper les programmes apprenants profonds peut-être visuels qui prennent en considération le contexte. Un certain collant, une fois collé sur un signe d'arrêt peut duper un système artificiel de visibilité dans le penser est un signe de vitesse limite de 65 Miles par heure, qui est dangereux, Serre a dit.

Source : https://news.brown.edu/articles/2018/09/illusions