而現(xiàn)在，美國麻省理工學(xué)院神經(jīng)科學(xué)家進(jìn)行的最新研究發(fā)現(xiàn)了最新一代所謂的“深層神經(jīng)網(wǎng)絡(luò)” 之一能夠與靈長類動物大腦相匹配。

[[125126]] 

科學(xué)家成功建立計算機網(wǎng)絡(luò)模擬人類大腦識別物體

由于這些網(wǎng)絡(luò)是基于神經(jīng)科學(xué)家目前對大腦如何進(jìn)行物體識別的理解，因此最新網(wǎng)絡(luò)的成功表明神經(jīng)科學(xué)家已經(jīng)對物體識別的基本原理有了較為精確的把握，研究高級作者、麻省理工學(xué)院大腦與認(rèn)知科學(xué)學(xué)院院長、神經(jīng)科學(xué)教授詹姆斯·狄卡羅（James DiCarlo）這樣說道。這項研究被發(fā)表在12月11日的期刊《公共科學(xué)圖書館·計算機生物學(xué)》上。

“這些模型能夠預(yù)測神經(jīng)反應(yīng)和神經(jīng)群體空間里的物體距離，這表明這些模型囊括了我們目前對大腦這一神秘部分的最好理解，” MIT麥克戈文大腦研究所的成員狄卡羅這樣表示。

對靈長類動物大腦工作原理的更好理解將促進(jìn)人工智能的開發(fā)，以及有朝一日修復(fù)視覺功能紊亂的新方法，研究首席作者、麥克戈文大腦研究所的博士后查爾斯·卡迪厄（Charles Cadieu）補充說道。文章其它合作作者包括研究生洪哈（Ha Hong）和蒂亞戈·阿迪拉（Diego Ardila）、研究科學(xué)家丹尼爾·亞敏斯（Daniel Yamins）、前MIT研究生尼古拉斯·品托（Nicolas Pinto）、前MIT本科生伊桑·所羅門（Ethan Solomon），以及研究員納吉布·馬賈杰（Najib Majaj）。

受到大腦的啟發(fā)

早在20世紀(jì)70年代科學(xué)家們就開始建立神經(jīng)網(wǎng)絡(luò)，希望能夠模擬大腦處理視覺信息、識別言語以及理解語言的能力。對于基于視覺的神經(jīng)網(wǎng)絡(luò)，科學(xué)家們受到了大腦視覺信息層次表示的啟發(fā)。隨著視覺輸入從視網(wǎng)膜依次進(jìn)入初級視皮層和顳下（IT）皮層，視覺輸入在每一個層面上都被處理，變得越來越明確，直到物體最終被確定。

為了模擬這個過程，神經(jīng)網(wǎng)絡(luò)設(shè)計者在計算機模型里創(chuàng)造了多個計算層。每一層執(zhí)行一個數(shù)學(xué)操作，例如線性點產(chǎn)品。在每一個層面上，視覺物體的表示變得越來越復(fù)雜，而無關(guān)緊要的信息，例如物體的位置或者移動則被拋棄。

“每一個單獨元素一般都是一個簡單的數(shù)學(xué)表達(dá)，” 卡迪厄說道。“當(dāng)你將上百千萬個這樣的數(shù)學(xué)表達(dá)相結(jié)合時，就能實現(xiàn)將原始信號通過復(fù)雜的轉(zhuǎn)化變成非常適合物體識別的表現(xiàn)。”在這項研究里，科研人員首次測量了大腦的物體識別能力。洪和馬賈杰帶領(lǐng)進(jìn)行的研究在顳下皮層和V4區(qū)——連接顳下皮層的視覺系統(tǒng)的一部分——植入電極陣列。這使得他們能夠觀察到動物看到每一個物體時所產(chǎn)生的神經(jīng)表現(xiàn)，也就是做出反應(yīng)的神經(jīng)元數(shù)量。

隨后研究人員將這些神經(jīng)表現(xiàn)與深層神經(jīng)網(wǎng)絡(luò)產(chǎn)生的神經(jīng)表現(xiàn)進(jìn)行對比，后者包含系統(tǒng)里每一個計算元素所產(chǎn)生的數(shù)字矩陣。每一張圖片會產(chǎn)生不同的數(shù)字陣列。這一模型的精確性是由它是否能夠?qū)⑾嗨莆矬w組織形成神經(jīng)表現(xiàn)里的相似群集所決定的。

“通過每一個這樣的計算變換，通過這個網(wǎng)絡(luò)的每一層，特定的物體或者圖片會逐漸靠近，而其它物體會距離越來越遠(yuǎn)。” 卡迪厄說道。最合適的網(wǎng)絡(luò)是由美國紐約大學(xué)的研究人員研發(fā)的，這一網(wǎng)絡(luò)將物體和短尾猿大腦進(jìn)行分類。

更強大的處理能力

近期發(fā)現(xiàn)的這一成功的神經(jīng)網(wǎng)絡(luò)取決于兩個重要因素。其中一個是計算機處理能力的重大飛躍。研究人員一直利用圖形處理單元（GPUs），一種高性能處理視頻游戲所需的巨大視覺內(nèi)容的小芯片。第二個因素是研究人員現(xiàn)在能夠使用并向大型數(shù)據(jù)集輸入算法從而“訓(xùn)練”它們。這些數(shù)據(jù)集包含上百萬張圖片，每一張圖片都是由人們從不同鑒別層面進(jìn)行注解。例如一張狗的圖片可以被注解為動物、犬類動物、家養(yǎng)狗或者狗的品種。

最初，神經(jīng)網(wǎng)絡(luò)并不擅長鑒別這些圖片，但隨著它們看到越來越多圖片，并在發(fā)現(xiàn)自己出錯后，會逐漸改進(jìn)它們的計算，直到最后能夠更加精確的鑒別物體?？ǖ隙虮硎狙芯咳藛T并不知道什么導(dǎo)致這些神經(jīng)網(wǎng)絡(luò)能夠區(qū)分不同物體。

“這既是優(yōu)點又是缺點，” 卡迪厄表示。“優(yōu)點在于我們并不需要知道具體區(qū)分這些物體的東西。但一個大缺點便是很難監(jiān)視這些網(wǎng)絡(luò)，調(diào)查內(nèi)部情況?，F(xiàn)在人們發(fā)現(xiàn)這些神經(jīng)網(wǎng)絡(luò)非常可靠，他們將盡力理解內(nèi)部的工作原理。”

狄卡羅的實驗室目前正在試圖產(chǎn)生模仿視覺處理其它方面的模型，包括跟蹤運動和識別三維形式。他們還希望可以建立一個包含人體視覺系統(tǒng)里反饋投射的模型。目前的網(wǎng)絡(luò)只對從視網(wǎng)膜到顳下皮層的“向前”投射進(jìn)行建模，而從顳下皮層到系統(tǒng)其它部分還有多達(dá)10倍的連接。