Los investigadores de Brown entienden mecanismos de los nervios detrás de fenómenos del contexto

¿Es ese círculo verde o gris? ¿Están las líneas de centro derecho o inclinado?

Las ilusiones ópticas pueden ser diversión a experimentar y discusión, pero la comprensión de cómo los cerebros humanos perciben estos diversos fenómenos sigue siendo un área activa de la investigación científica. Para una clase de ilusiones ópticas, llamada los fenómenos del contexto, esas opiniones se saben para depender de contexto. Por ejemplo, el color que usted piensa que es un círculo central depende del color del anillo circundante. El color exterior hace a veces que el color interno aparece más similar, por ejemplo un anillo verde vecino que hace un anillo azul aparece turquesa -- pero el color exterior hace a veces que el color interno aparece menos similar, por ejemplo un anillo rosado que hace un círculo gris aparece verdoso.

Las personas de los expertos de la visión de computador de Brown University volvieron ajustar uno para entender los mecanismos de los nervios de estos fenómenos del contexto. Su estudio fue publicado de sept. el 20 en revista psicológica.

“Está creciendo consenso que las ilusiones ópticas son un no fallo de funcionamiento sino una característica,” dijo a Thomas Serre, profesor adjunto de ciencias cognoscitivas, lingüísticas y psicológicas en Brown y el autor mayor del papel. “Pienso que son una característica. Pueden representar los casos del filo para nuestro sistema visual, pero nuestra visión es tan potente en vida cotidiana y en el reconocimiento de objetos.”

Para el estudio, el guía de las personas de Serre, que se afilía con el instituto de Carney de Brown para la ciencia de cerebro, comenzó con un modelo de cómputo obligado por datos anatómicos y neurofisiológicos de la corteza visual. El modelo apuntó capturar cómo las neuronas corticales vecinas envían mensajes el uno al otro y ajusta reacciones uno del otro cuando estaba presentado con los estímulos complejos tales como ilusiones ópticas del contexto.

Una innovación las personas incluidas en su modelo era una configuración específica de las conexiones de reacción presumidas entre las neuronas, dijo a Serre. Estas conexiones de reacción pueden aumentar o disminuir -- excite o inhiba -- la reacción de una neurona central, dependiendo del contexto visual.

Estas conexiones de reacción no están presentes en la mayoría de los algoritmos de aprendizaje profundos. Profundamente el aprendizaje es una clase potente de inteligencia artificial que pueda aprender configuraciones complejas en datos, tales como reconocimiento de imágenes y análisis de discurso normal, y depende de capas múltiples de redes neuronales artificiales que trabajan junto. Sin embargo, la mayoría de los algoritmos de aprendizaje profundos incluyen solamente conexiones del feedforward entre las capas, no conexiones de la reacción innovadoras de Serre entre las neuronas dentro de una capa.

Una vez que el modelo fue construido, las personas le presentaron una variedad de ilusiones contexto-relacionadas. Los investigadores “sintonizaron” la fuerza de las conexiones excitadoras o inhibitorias de la reacción de modo que las neuronas modelo respondieran de una manera constante con datos de la neurofisiología de la corteza visual del primate.

Entonces probaron el modelo en una variedad de ilusiones del contexto y encontraron otra vez que el modelo percibió las ilusiones como seres humanos.

Para probar si hicieron el modelo innecesario complejo, ellos lesionada el modelo -- selectivamente eliminación de algunas de las conexiones. Cuando el modelo faltaba algunas de las conexiones, los datos no igualaron los datos de la opinión humana como exacto.

“Nuestro modelo es el modelo más simple que es necesario y suficiente explicar el comportamiento de la corteza visual con respecto a ilusiones del contexto,” Serre dijo. “Éste era realmente trabajo de cómputo de la neurología del libro de texto -- comenzamos con un modelo a explicar datos de la neurofisiología y terminamos con las predicciones para los datos humanos de la psicofísica.”

Además de ofrecer una explicación de la unificación para cómo los seres humanos ven una clase de ilusiones ópticas, Serre está empleando este modelo con el objetivo de perfeccionar la visión artificial.

Los algoritmos artificiales avanzados de la visión, tales como ésos usados para marcar caras con etiqueta o para reconocer signos del parada, tienen problema el considerar de contexto, él observaron. Incluyendo las conexiones horizontales sintonizadas por ilusiones ópticas contexto-relacionadas, él espera dirigir esta debilidad.

Los programas de aprendizaje profundos quizás visuales que toman en cuenta contexto serán más duros de engañar. Cierta etiqueta engomada, cuando está adherida en un signo del parada puede engañar un sistema artificial de la visión en el pensamiento de él es un signo del límite de velocidad de 65 kilómetros por hora, que es peligroso, Serre dijo.

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