无生命的面孔:我们的大脑和幻想性视错觉的魔力!

Transparenz: Redaktionell erstellt und geprüft.
Veröffentlicht am

吉森大学的研究人员正在研究物体的面部识别及其与人工智能的联系。

Forschende der Uni Gießen untersuchen Gesichtserkennung in Objekten und deren Verbindung zu künstlicher Intelligenz.
吉森大学的研究人员正在研究物体的面部识别及其与人工智能的联系。

无生命的面孔:我们的大脑和幻想性视错觉的魔力!

识别无生命物体中的面孔的能力是一种令人着迷的现象,称为面部幻想性视错觉。这种感官错觉可以在咖啡泡沫、树干或云中看到。造成这种看法的确切原因尚不完全清楚。研究员 吉森贾斯特斯·李比希大学 (JLU) 然而,他们对此进行了一些阐述,并表明它是基于人脑两种能力的同时优化:识别面部和对物体进行分类。

在最近发表在《PLOS 计算生物学》杂志上的一项研究中,吉林大学的科学家检查了人脑对感官刺激的反应,并将其与使用人工智能开发的神经网络进行了比较。有趣的是,只有一个特定的神经网络在面部和物体上进行训练,对无生命物体的面部特征表现出与人脑相似的反应。应用计算机科学教授 Katharina Dobs 教授强调,看到物体中的面孔可以被视为大脑优化的系统副产品。

神经网络分析

该研究强调了人工神经网络(ANN)探索人类视觉复杂现象的潜力。人工神经网络由通过定向连接连接的节点组成,类似于大脑中的自然神经网络。这些连接具有不同的值,称为权重,每个网络都需要训练来优化其功能。可以调整权重和激活函数(例如 sigmoid 函数)等调整螺钉,以达到更好的效果。输入层接收外部数据,然后通过网络传播,直到产生输出层。

在神经网络如何工作的背景下,功能专业化也很重要。研究表明,经过物体识别训练的网络在人脸识别方面效率较低,反之亦然。然而,针对这两项任务进行优化的网络被分为针对面部和物体的单独系统。这也反映在人类大脑中具有面部识别和语言理解专门功能的区域。

进化观点

研究表明,随着人工网络通过数百万个训练样本进行优化,人类大脑数百万年的进化发展导致了人工神经网络中类似的功能专业化。社交互动和情感成分对人工智能不起作用。功能专业化被认为是执行这些任务的最佳策略。

多布斯教授是卓越计划“适应性思维”计划的一部分,吉林大学团队提供了“思维、大脑和行为”国际硕士学位课程作为该计划的一部分。