(转载：www.idcew.com)麻省理工学院的研究人员已经开发出一种计算机模型旨在捕捉人类的面部识别和实现它的元素在我们的人工智能(AI)和机器学习系统。
周四,麻省理工学院(MIT)揭示了研究,进行了中心的大脑,思想,和机器(CBMM),在麻省理工学院的总部。
研究人员设计了一个机器学习系统,它实现了新的模型和他们已经训练它认识到集基于样本图像特定的面孔,导致更准确的和人类的识别人脸的方法。
模型的一个有趣的方面是“自发”的面部识别处理步骤的发生显示一个图像显示时的旋转,如45度到左边或者右边,并不包含在初始模型。
小组说这个属性出现在训练过程但不是最初的简短的一部分。然而,通过这种方式,模式”复制一个灵长类动物的实验观察到的特征人脸识别机制。”
因此,研究小组认为人造模型和大脑思维沿着相同的路线。
“这不是证明我们了解发生了什么,”说Tomaso小山,麻省理工学院大脑与认知科学系教授和主任CBBM。”模型是现实的漫画,特别是生物学。所以我会感到惊讶如果是这个简单的事情。但我认为这是强有力的证据表明,我们是在正确的轨道上。”
研究者的新论文,描述的计算生物学》杂志上,包括一个计算机模型的数学证明。
系统被认为是一个神经网络,因为它试图模仿人类大脑的结构,包括简单的单位,排列成层和连接的节点充当信息处理器。
数据输入网络,分为不同的面部识别标准,和特定的节点对不同刺激的反应。通过将哪些节点不同类别的最强烈反应,研究人员能够产生更准确的识别的面孔。
节点“解雇”以不同的方式,“自发”一步也变得明显。
虽然这项研究有很长一段路要走,它代表了进步深化我们对精神的理解,以及我们如何可以改善面部识别的机器学习算法和人工智能技术。
“我认为这是一个重大进步,“创造者科赫说,总统和首席科学官艾伦脑科学研究所。“在这个时代,当一切都由大数据或巨大的计算机模拟,这表明你原则的理解学习如何解释一些令人困惑的发现。
“他们只看前馈通路——换句话说,第一个80,100毫秒。猴子打开它的眼睛,在80到100毫秒,它可以识别面部,按下按钮信号,”科赫补充道。”问题是在80到100毫秒,和模型,他们似乎解释说,很好。”
本周早些时候,奥古斯塔大学的研究人员提出了一个算法,可以解决我们称之为人类智慧的根源。(转载：www.idcew.com) |
