Negyvieji veidai: mūsų smegenys ir Pareidolijos magija!

Negyvieji veidai: mūsų smegenys ir Pareidolijos magija!

Gebėjimas atpažinti veidus negyvuose objektuose yra žavus reiškinys, vadinamas veido pareidolija. Šią jutimo iliuziją galima pamatyti, pavyzdžiui, kavos putoje, ant medžių kamienų ar debesyse. Tikslios šio suvokimo priežastys dar nėra visiškai suprantamos. Tyrėjas Justo Liebigo universitetas Giessen (JLU) Tačiau jie šiek tiek paaiškina tai ir teigia, kad tai pagrįsta dviejų žmogaus smegenų gebėjimų vienu metu optimizavimu: veidų atpažinimu ir objektų klasifikavimu.

Neseniai žurnale PLOS Computational Biology paskelbtame tyrime JLU mokslininkai ištyrė žmogaus smegenų reakciją į jutimo dirgiklius ir palygino juos su neuroniniais tinklais, sukurtais naudojant dirbtinį intelektą. Įdomu tai, kad tik vienas konkretus neuroninis tinklas, apmokytas ir veiduose, ir objektuose, parodė panašų žmogaus smegenų reakciją į negyvų objektų veido bruožus. Prof. dr. Katharina Dobs, taikomųjų kompiuterių mokslo profesorė, pabrėžia, kad veidų matymas objektuose gali būti vertinamas kaip sistemingas smegenų optimizavimo šalutinis produktas.

Neuroninių tinklų analizė

Tyrimas pabrėžia dirbtinių neuroninių tinklų (ANN) potencialą tirti sudėtingus žmogaus regėjimo reiškinius. ANN susideda iš mazgų, sujungtų nukreiptais ryšiais, panašiais į natūralius neuroninius tinklus smegenyse. Šie ryšiai turi skirtingas reikšmes, vadinamus svoriais, ir kiekvieną tinklą reikia treniruoti, kad būtų optimizuotas jo veikimas. Norint pasiekti geresnių rezultatų, galima reguliuoti reguliavimo varžtus, tokius kaip svoriai ir aktyvinimo funkcijas, pvz., sigmoidinę funkciją. Įvesties sluoksnis gauna išorinius duomenis, kurie vėliau perduodami per tinklą, kol gaunamas išvesties sluoksnis.

Atsižvelgiant į tai, kaip veikia neuroniniai tinklai, funkcinė specializacija taip pat yra svarbi. Tyrimai parodė, kad tinklai, išmokyti atpažinti objektus, yra mažiau veiksmingi veido atpažinimo srityje ir atvirkščiai. Tačiau tinklai, optimizuoti abiem užduotims atlikti, yra suskirstyti į atskiras sistemas, skirtas veidams ir objektams. Tai taip pat atsispindi tame, kaip žmogaus smegenyse yra regionų su specializuotomis veido atpažinimo ir kalbos supratimo funkcijomis.

Evoliucinės perspektyvos

Tyrimai rodo, kad evoliucinis žmogaus smegenų vystymasis per milijonus metų, kai dirbtiniai tinklai optimizuojami pasitelkiant milijonus mokymo pavyzdžių, paskatino panašią funkcinę specializaciją dirbtiniuose neuroniniuose tinkluose. Socialinė sąveika ir emociniai komponentai dirbtiniam intelektui neturi jokio vaidmens. Funkcinė specializacija įvardijama kaip optimali šių užduočių vykdymo strategija.

Prof. Dobsas yra „Cluster of Excellence“ iniciatyvos „Prisitaikantis protas“ dalis, o JLU komanda siūlo tarptautinę magistro studijų programą „Protas, smegenys ir elgesys“.