自然和人工智能网络以相同方式处理视觉图像的3D片段

大脑在物体视觉的开始阶段就检测3D形状碎片（凹凸，空心，轴，球体），这是一种新发现的自然智能策略，约翰·霍普金斯大学的研究人员也在训练有素的视觉网络的人工智能网络中发现了这种策略。

《当前生物学》上的一篇新论文详细介绍了V4区域中的神经元，这是大脑对象视觉通路的第一个阶段，它代表3D形状碎片，而不仅仅是过去40年用于研究V4的2D形状。然后，约翰·霍普金斯大学的研究人员在高级计算机视觉网络AlexNet的早期（第3层）中识别出了几乎相同的人造神经元反应。在自然和人工视觉中，尽早检测3D形状大概有助于解释现实世界中的实体3D对象。

Zanvyl Krieger思维/大脑研究所所长，神经科学教授Ed Connor说：“我很早就看到V4发出清晰，清晰的3D形状信号，”。“但是在一百万年中，我从未想过您会在AlexNet中看到同样的事情，AlexNet仅受过训练，可以将2D照片转换为对象标签。”

人工智能的长期挑战之一是复制人类的视觉。诸如AlexNet之类的深度（多层）网络已经在对象识别方面取得了重大进展，这是基于为游戏开发的高容量图形处理单元（GPU）和互联网上爆炸的图像和视频所提供的大规模培训集的。

康纳和他的团队对自然和人工神经元进行了相同的图像响应测试，并在V4和AlexNet层3中发现了非常相似的响应模式。这解释了康纳所描述的大脑之间“怪异的对应关系”-这是进化和进化的产物。终身学习-和AlexNet-由计算机科学家设计并受过训练以标记物体照片？

Connor说，AlexNet和类似的深度网络实际上是部分基于大脑中的多阶段视觉网络而设计的。他说，他们观察到的密切相似之处可能表明将来有机会利用自然与人工智能之间的相关性。

康纳说：“人工网络是当前最有前途的理解大脑的模型。相反，大脑是使人工智能更接近自然智能的最佳策略来源。”
责任编辑：YYX

网络人工智能视觉片段

免责声明：本网信息来自于互联网，目的在于传递更多信息，并不代表本网赞同其观点。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，并请自行核实相关内容。本站不承担此类作品侵权行为的直接责任及连带责任。如若本网有任何内容侵犯您的权益，请及时联系我们，本站将会在24小时内处理完毕。