Os pesquisadores de Brown compreendem mecanismos neurais atrás dos fenômenos do contexto

É esse círculo verde ou cinza? São as linhas center em linha recta ou inclinado?

As ilusões ópticas podem ser divertimento a experimentar e debate, mas compreender como os cérebros humanos percebem estes fenômenos diferentes permanece uma área de investigação científica activa. Para uma classe de ilusões ópticas, chamada fenômenos do contexto, aquelas percepções são sabidas para depender do contexto. Por exemplo, a cor que você pensa que um círculo central é depende da cor do anel circunvizinho. Às vezes a cor exterior faz a cor interna parecer mais similar, como um anel verde vizinho que faz um anel azul aparece turquesa -- mas às vezes a cor exterior faz a cor interna parecer menos similar, como um anel cor-de-rosa que faz um círculo cinzento parece esverdeado.

Uma equipe de peritos da visão de computador de Brown University foi para trás esquadrar um para compreender os mecanismos neurais destes fenômenos do contexto. Seu estudo foi publicado Sept. na 20 na revisão psicológica.

“Está crescendo o consenso que as ilusões ópticas são um não erro mas uma característica,” disse Thomas Serre, um professor adjunto de ciências cognitivas, lingüísticas e psicológicas em Brown e no autor superior do papel. “Eu penso que são uma característica. Podem representar casos da borda para nosso sistema visual, mas nossa visão é tão poderosa na vida do dia a dia e em reconhecer objetos.”

Para o estudo, o chumbo da equipe por Serre, que é afiliado com instituto do Carney de Brown para a ciência de cérebro, começou com um modelo computacional forçado por dados anatômicos e neurophysiological do córtice visual. O modelo apontou capturar como os neurônios corticais vizinhos enviam mensagens entre si e ajusta respostas de cada um quando apresentado com estímulos complexos tais como ilusões ópticas do contexto.

Uma inovação a equipe incluída em seu modelo era um teste padrão específico de conexões de feedback supor entre os neurônios, disse Serre. Estas conexões de feedback podem aumentar ou diminuir -- excite ou iniba -- a resposta de um neurônio central, segundo o contexto visual.

Estas conexões de feedback não estão actuais na maioria de algoritmos de aprendizagem profundos. Profundamente aprender é um tipo poderoso da inteligência artificial que pode aprender testes padrões complexos nos dados, tais como o reconhecimento de imagens e a análise gramatical do discurso normal, e depende das camadas múltiplas de redes neurais artificiais que trabalham junto. Contudo, a maioria de algoritmos de aprendizagem profundos incluem somente conexões da reacção entre as camadas, não conexões de feedback inovativas de Serre entre os neurônios dentro de uma camada.

Uma vez que o modelo foi construído, a equipe apresentou-lhe uma variedade de ilusões contexto-dependentes. Os pesquisadores “ajustaram” a força das conexões excitatory ou inibitórios do feedback de modo que os neurônios modelo respondessem em uma maneira consistente com os dados da neurofisiologia do córtice visual do primata.

Então testaram o modelo em uma variedade de ilusões do contexto e encontraram-no outra vez que o modelo percebeu as ilusões como seres humanos.

A fim testar se fizeram o modelo supèrflua complexo, eles lesioned o modelo -- selectivamente removendo algumas das conexões. Quando o modelo faltava algumas das conexões, os dados não combinaram os dados da percepção humana como exactamente.

“Nosso modelo é o modelo o mais simples que é necessário e suficiente para explicar o comportamento do córtice visual com respeito às ilusões do contexto,” Serre disse. “Este era realmente trabalho computacional da neurociência do livro de texto -- nós começamos com um modelo explicar dados da neurofisiologia e terminamos com previsões para dados humanos do psychophysics.”

Além do que o fornecimento de uma explicação unificador para como os seres humanos vêem uma classe de ilusões ópticas, Serre está construindo neste modelo com o objectivo de melhorar a visão artificial.

Os algoritmos artificiais avançados da visão, tais como aqueles usados para etiquetar as faces ou reconhecer sinais da parada, têm o problema considerar o contexto, ele notaram. Incluindo as conexões horizontais ajustadas por ilusões ópticas contexto-dependentes, espera endereçar esta fraqueza.

Os programas de aprendizagem profundos talvez visuais que levam em conta o contexto serão mais duros de enganar. Uma determinada etiqueta, quando colada em um sinal da parada pode enganar um sistema artificial da visão em pensá-lo é um sinal do limite de velocidade de 65 quilómetros por hora, que seja perigoso, Serre disse.

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