Twarze w nieożywionym: nasz mózg i magia Pareidolii!

Twarze w nieożywionym: nasz mózg i magia Pareidolii!

Zdolność rozpoznawania twarzy w obiektach nieożywionych to fascynujące zjawisko zwane pareidolią twarzy. Tę iluzję sensoryczną można zobaczyć na przykład w piance kawy, na pniach drzew lub w chmurach. Dokładne przyczyny tego postrzegania nie są jeszcze w pełni poznane. Badacz ds Uniwersytet Justusa Liebiga w Giessen (JLU) Rzucają jednak na to nieco światła i sugerują, że opiera się to na jednoczesnej optymalizacji dwóch zdolności ludzkiego mózgu: rozpoznawania twarzy i klasyfikowania obiektów.

W niedawnym badaniu opublikowanym w czasopiśmie PLOS Computational Biology naukowcy z JLU zbadali reakcje ludzkiego mózgu na bodźce zmysłowe i porównali je z sieciami neuronowymi opracowanymi przy użyciu sztucznej inteligencji. Co ciekawe, tylko jedna konkretna sieć neuronowa, wytrenowana zarówno na twarzach, jak i na obiektach, wykazała podobną reakcję ludzkiego mózgu na rysy twarzy obiektów nieożywionych. Prof. dr Katharina Dobs, profesor informatyki stosowanej, podkreśla, że ​​widzenie twarzy w obiektach można postrzegać jako systematyczny produkt uboczny optymalizacji mózgu.

Analiza sieci neuronowych

Badanie podkreśla potencjał sztucznych sieci neuronowych (ANN) w badaniu złożonych zjawisk ludzkiego wzroku. SSN składają się z węzłów połączonych za pomocą ukierunkowanych połączeń, podobnych do naturalnych sieci neuronowych w mózgu. Połączenia te mają różne wartości, zwane wagami, a każda sieć wymaga szkolenia, aby zoptymalizować swoje działanie. Śruby regulacyjne, takie jak obciążniki i funkcje aktywacji, takie jak funkcja sigmoidalna, można regulować, aby uzyskać lepsze wyniki. Warstwa wejściowa otrzymuje dane zewnętrzne, które następnie są propagowane w sieci, aż do uzyskania warstwy wyjściowej.

W kontekście działania sieci neuronowych istotna jest także specjalizacja funkcjonalna. Badania wykazały, że sieci wyszkolone do rozpoznawania obiektów są mniej skuteczne w rozpoznawaniu twarzy i odwrotnie. Jednak sieci zoptymalizowane pod kątem obu zadań są podzielone na osobne systemy dla twarzy i obiektów. Znajduje to również odzwierciedlenie w sposobie, w jaki ludzki mózg posiada obszary o wyspecjalizowanych funkcjach rozpoznawania twarzy i rozumienia języka.

Perspektywy ewolucyjne

Badania sugerują, że ewolucyjny rozwój ludzkiego mózgu na przestrzeni milionów lat, w miarę optymalizowania sztucznych sieci na podstawie milionów przykładów szkoleniowych, doprowadził do podobnej specjalizacji funkcjonalnej w przypadku sztucznych sieci neuronowych. Interakcje społeczne i elementy emocjonalne nie odgrywają żadnej roli dla sztucznej inteligencji. Za optymalną strategię realizacji tych zadań wskazywana jest specjalizacja funkcjonalna.

Prof. Dobs jest częścią inicjatywy Cluster of Excellence „The Adaptive Mind”, a zespół JLU oferuje w ramach tego międzynarodowy program studiów magisterskich „Mind, Brain and Behaviour”.