研究人員使用深度神經(jīng)網(wǎng)絡(luò)或 DNN 來(lái)對(duì)信息處理進(jìn)行建模，并研究這種信息處理如何與人類(lèi)的處理相匹配。
雖然 DNN 已成為一種越來(lái)越流行的工具來(lái)模擬大腦所做的計(jì)算，特別是在視覺(jué)上識(shí)別現(xiàn)實(shí)世界的“事物”，但 DNN 執(zhí)行此操作的方式可能會(huì)大不相同。
由格拉斯哥大學(xué)心理學(xué)和神經(jīng)科學(xué)學(xué)院領(lǐng)導(dǎo)的新研究發(fā)表在《認(rèn)知科學(xué)趨勢(shì)》雜志上，提出了一種新方法，可以使用類(lèi)似的計(jì)算步驟來(lái)理解人腦及其 DNN 模型是否以相同的方式識(shí)別事物.
目前，深度神經(jīng)網(wǎng)絡(luò)技術(shù)用于人臉識(shí)別等應(yīng)用，雖然在這些領(lǐng)域取得了成功，但科學(xué)家們?nèi)匀粵](méi)有完全理解這些網(wǎng)絡(luò)是如何處理信息的。
這篇觀點(diǎn)文章概述了一種新方法，可以更好地理解該過(guò)程的工作原理：首先，研究人員必須證明大腦和 DNN 都使用相同的面部特征識(shí)別相同的事物(例如面部);其次，大腦和 DNN 必須以相同的方式處理這些特征，并采用相同的計(jì)算步驟。
由于當(dāng)前準(zhǔn)確人工智能開(kāi)發(fā)的挑戰(zhàn)是了解機(jī)器學(xué)習(xí)的過(guò)程是否與人類(lèi)處理信息的方式相匹配，因此希望這項(xiàng)新工作是創(chuàng)造更準(zhǔn)確和可靠的人工智能技術(shù)的又一步，該技術(shù)將更像我們的大腦處理信息做。
格拉斯哥大學(xué)研究技術(shù)系主任 Philippe Schyns 教授說(shuō)：“更好地了解人腦及其 DNN 模型是否以相同的方式識(shí)別事物將允許使用 DNN 進(jìn)行更準(zhǔn)確的實(shí)際應(yīng)用。
“如果我們對(duì)人腦中的識(shí)別機(jī)制有更深入的了解，我們就可以將這些知識(shí)轉(zhuǎn)移到 DNN 中，這反過(guò)來(lái)將有助于改進(jìn) DNN 在面部識(shí)別等應(yīng)用中的使用方式，目前這些應(yīng)用并不總是準(zhǔn)確的。 .
標(biāo)簽：
免責(zé)聲明：本文由用戶(hù)上傳，如有侵權(quán)請(qǐng)聯(lián)系刪除！