Faces in the Inanimate: Our Brain and the Magic of Pareidolia!

Transparenz: Redaktionell erstellt und geprüft.
Veröffentlicht am

Forskare vid universitetet i Giessen undersöker ansiktsigenkänning i föremål och dess koppling till artificiell intelligens.

Forschende der Uni Gießen untersuchen Gesichtserkennung in Objekten und deren Verbindung zu künstlicher Intelligenz.
Forskare vid universitetet i Giessen undersöker ansiktsigenkänning i föremål och dess koppling till artificiell intelligens.

Faces in the Inanimate: Our Brain and the Magic of Pareidolia!

Förmågan att känna igen ansikten i livlösa föremål är ett fascinerande fenomen som kallas ansiktspareidolia. Denna känselillusion kan ses till exempel i kaffeskum, på trädstammar eller i moln. De exakta orsakerna till denna uppfattning är ännu inte helt klarlagda. Forskare av Justus Liebig University Giessen (JLU) Men de kastar lite ljus över detta och föreslår att det är baserat på samtidig optimering av två förmågor hos den mänskliga hjärnan: att känna igen ansikten och klassificera föremål.

I en nyligen publicerad studie publicerad i tidskriften PLOS Computational Biology, undersökte JLU-forskare den mänskliga hjärnans svar på sensoriska stimuli och jämförde dem med neurala nätverk som utvecklats med hjälp av artificiell intelligens. Vad som är intressant är att endast ett specifikt neuralt nätverk, tränat på både ansikten och föremål, visade ett liknande svar på den mänskliga hjärnan på ansiktsdrag hos livlösa föremål. Prof. Dr. Katharina Dobs, professor i tillämpad datavetenskap, betonar att att se ansikten i föremål kan ses som en systematisk biprodukt av hjärnoptimering.

Analys av neurala nätverk

Studien belyser potentialen hos artificiella neurala nätverk (ANN) för att utforska komplexa fenomen av mänskligt syn. ANN består av noder anslutna via riktade anslutningar, liknande naturliga neurala nätverk i hjärnan. Dessa anslutningar har olika värden, så kallade vikter, och varje nätverk kräver träning för att optimera dess funktion. Justerskruvar som vikter och aktiveringsfunktioner som sigmoidfunktionen kan justeras för att uppnå bättre resultat. Ingångsskiktet tar emot extern data, som sedan sprids genom nätverket tills det resulterar i utgångsskiktet.

I samband med hur neurala nätverk fungerar är funktionell specialisering också viktig. Studier har visat att nätverk som tränats för objektigenkänning är mindre effektiva vid ansiktsigenkänning och vice versa. Nätverk som är optimerade för båda uppgifterna är dock uppdelade i separata system för ansikten och objekt. Detta återspeglas också i hur den mänskliga hjärnan har regioner med specialiserade funktioner för ansiktsigenkänning och språkförståelse.

Evolutionära perspektiv

Forskningen tyder på att evolutionär utveckling i den mänskliga hjärnan under miljontals år, eftersom artificiella nätverk optimeras genom miljontals träningsexempel, har lett till liknande funktionell specialisering i artificiella neurala nätverk. Sociala interaktioner och känslomässiga komponenter spelar ingen roll för artificiell intelligens. Funktionell specialisering identifieras som den optimala strategin för att utföra dessa uppgifter.

Prof. Dobs är en del av Cluster of Excellence-initiativet "The Adaptive Mind" och JLU-teamet erbjuder ett internationellt masterprogram "Mind, Brain and Behavior" som en del av detta.