http://phys.org/news/2014-12-neural-networks-visual-primate-brain.html
By Anne Trafton
December 18, 2014
幾十年來，神經科學家一直在嘗試設計能仿效如辨識物體（recognizing objects）這種視覺技巧的電腦網路，而人腦在做這件事上面，十分準確與快速。
直到目前為止，沒有一個電腦模型能與靈長類腦袋相比，他們匆匆一瞥就能夠在視覺上將物體辨識出來。不過來自 MIT 神經科學家的一項新研究發現，在最新一代的「深度神經網路（deep neural networks）」中，有一種與靈長類的腦部相符。
因為這些網路是基於神經科學家目前對於「腦部如何進行物體辨識」的理解，而最新網路的成功暗示著，神經科學家對於物體辨識有著相當準確的了解，James DiCarlo 表示，神經科學教授、MIT 腦與認知科學系的系主任以及一篇於 12/11 發表在 PLoS Computational Biology 期刊上、描述這項研究的論文資深作者。
"這些模型在神經族群空間（neural population space）裡預測神經反應與物體距離的這個事實，顯示這些模型對於先前仍是神秘未知的腦袋部份，囊括了我們當前的最佳理解，" DiCarlo 表示，他也是 MIT McGovern 腦研究所的成員。
這個改善過的、對於「靈長類腦部如何運作」的理解，能導致更好的人工智慧，以及，有朝一日，修補視覺障礙的新方法，Charles Cadieu 補充，McGovern 研究所的博士後，以及本論文的第一作者。
其他作者包括畢業生 Ha Hong 與 Diego Ardila，研究科學家 Daniel Yamins，前 MIT 畢業生 Nicolas Pinto，前 MIT 學生 Ethan Solomon 以及研究學者 Najib Majaj。
受到頭腦啟發
科學家從 1970 年代開始建立神經網路，希望能模仿腦部處理視覺資訊、語音辨識以及理解語言的能力。
而基於視覺的神經網路，科學家則受到腦中視覺資訊階層式重現（hierarchical representation）的啟發。當視覺輸入從視網膜流入初級視覺皮質（primary visual cortex）接著是下顳頁皮質（inferotemporal cortex，IT cortex）時，它在每一層次上被處理，而且會變得更加具體（specific）直到物體能被確認。
為了模仿這個過程，神經網路設計者在其模型中創造出數個運算分層。每一層進行一種數學操作，例如直線點的產生。在每一層次上，視覺物體的重現會變得愈來愈複雜，而不需要的資訊，例如物體的位置或運動，則會被丟在一旁。
"每個個別元素一般都是一個非常簡單的數學式，" Cadieu 說。"但是當你將幾千幾百萬個這種東西結合在一起，你就能夠獲得非常複雜的變換（transformations）：從原始訊號變成對於物體辨識非常有益的重現（representations）。"
就這項研究來說，研究者首先測量腦部的物體辨識能力。由 Hong 與 Majaj 所領導，他們將電極陣列植入 IT 皮質以及 V4 區域（視覺系統的一部分，那輸入到 IT 皮質）。這允許他們能夠看到神經重現（neural representation）-- 有一群神經元，對於動物所觀看的每一樣物體產生反應。
研究者接著能將這些與深度神經網路所創造出來的神經表現（那是由系統中每個運算元素所產生的數字所組成的矩陣）相比較。每個影像都會產生不同的數字陣列。模型的準確度則由在重現之中「它是否將類似物體歸入類似叢集中」來判定。
"透過這些運算變換中的每一個，透過不同網路的不同分層，某些物體或影像會聚在一起，而其餘則會相互分離，" Cadieu 表示。
最佳的網路則是由 New York 大學的研究者所開發的那一個，在物體分類上，那與獼猴腦袋一樣好。
更多處理能力
Cadieu 表示，這類型神經網路近來的成功是因為二大因素。其一，是運算處理能力的顯著躍進。研究者利用 GPUs（這種晶片是被設計用來高速處理電玩所需之大量視覺內容）的優勢。"這允許人們，購買相對廉價的繪圖卡來達到運算的性能極限，" Cadieu 說。
第二個因素是，研究者現在能使用更大的資料組（datasets），餵入演算法來「量身訂做（train）」它們。這些資料組包含數百萬個影像，而且每一個都為人類所註記，有著不同的辨識程度。例如：一張狗的照片可能會被標示成動物、犬類、家犬以及狗的血統。
起先，神經網路對於這些影像的確認並不怎麼理想，但是當它們看見愈來愈多影像，同時找到它們何時出錯之後，它們會修正它們的計算直到它們在辨識物體上變得愈來愈準確。
Cadieu 表示，研究者對於是什麼讓這些網路能夠區分不同物體，所知並不多。
"那有利有弊，" 他說。"是什麼東西區別這些物體我們並不是真的很了。不過最大缺點是，這些網路難以查驗、深入其中看看它們實際上做了哪些事。現在人們可以看見，這些東西運作良好，他們將進行研究，以理解它們當中發生了什麼事。"
DiCarlo 的實驗室計畫要產生能模仿其他視覺處理面向的模組，包括追蹤運動以及識別三維形態。他們亦希望創造出人類視覺系統中所見到的反饋投射（feedback projections）。當前網路只有視網膜到 IT 皮質的「前饋（feedforward）」投射，不過從 IT 皮質回到系統其餘部份的連結數量則多達 10 倍。
※ 相關報導：
＊ Deep Neural Networks Rival the Representation of Primate IT Cortex for Core Visual Object Recognition
http://www.ploscompbiol.org/article/info:doi/10.1371/journal.pcbi.1003963
Charles F. Cadieu, Ha Hong, Daniel L. K. Yamins,＊ 視網膜如何運作：像接受域的多層拼圖
Nicolas Pinto, Diego Ardila, Ethan A. Solomon,
Najib J. Majaj, James J. DiCarlo.
PLoS Computational Biology
Published: December 18, 2014
doi: 10.1371/journal.pcbi.1003963
＊ 從眼到腦：在單個細胞的解析度下測繪視網膜神經元之功能性連結
＊ BigBrain 計畫繪製出完整的3D 人腦圖譜
＊ 清大發現單一感官訊息腦中多線處理
＊ 科學家在試管中成功培養「人腦」
沒有留言:
張貼留言