AI og maskinlæring hjælper videnskabsmænd med at forstå menneskelig ansigtsgenkendelse

Forskere fra Salk Institute (U.S.) Skoltech (Rusland), og Riken Center for Brain Science (Japan) undersøgte en teoretisk model af, hvordan populationer af neuroner i hjernens visuelle cortex kan genkende og behandle ansigter og deres udtryk, og hvordan de er organiseret. Forskningen blev for nylig offentliggjort i Neural beregning og fremhævet på forsiden.

Mennesker har en fantastisk evne til at genkende et stort antal individuelle ansigter og fortolke ansigtsudtryk. Disse evner spiller en nøglerolle i menneskelige sociale interaktioner. Imidlertid, hvordan den menneskelige hjerne behandler og lagrer så kompleks visuel information er stadig dårligt forstået.

Skoltech-forskere Anh-Huy Phan og Andrzej Cichocki, med deres kolleger fra USA og Japan, Sidney Lehky og Keiji Tanaka, søgte at bedre forstå, hvordan den visuelle cortex behandler og lagrer information relateret til ansigtsgenkendelse. Deres tilgang var baseret på ideen om, at et menneskeligt ansigt konceptuelt kan repræsenteres som en samling af dele eller komponenter, inklusive øjne, øjenbryn, næse, mund, osv. Ved at bruge en maskinlæringstilgang, de anvendte en ny tensoralgoritme til at dekomponere ansigter i et sæt komponenter eller billeder kaldet tensorfaces, samt deres tilhørende vægte, og repræsenteret flader ved lineære kombinationer af disse komponenter. På denne måde de byggede en matematisk model, der beskriver arbejdet for de neuroner, der er involveret i ansigtsgenkendelse.

"Vi brugte nye tensor-nedbrydninger til at repræsentere ansigter som et sæt komponenter med specificeret kompleksitet, som kan tolkes som modelansigtsceller og indikerer, at menneskelige ansigtsrepræsentationer består af en blanding af ansigtsceller med lav og mellem kompleksitet, " sagde Skoltech Professor Andrzej Cichocki.