联系我们

人工神经网络

神经科学家设计模型以反映人类视觉学习

已发表

 on

通过对基于计算机的人工智能(AI)进行编程以使用更快的技术来学习新对象,该AI开始像人类智能一样发挥作用。恰逢两位神经科学家设计了一个反映人类视觉学习的模型。

乔治敦大学医学中心神经科学教授Maximillian Riesenhuber博士和加州大学伯克利分校博士后学者Joshua Rule的研究发表在该杂志上 计算神经科学前沿。 

人工智能学习新的视觉概念

神经科学家展示了这种新方法如何提高AI软件快速学习新视觉概念的能力。

“我们的模型为人工神经网络提供了生物学上可行的方式,可以从少量示例中学习新的视觉概念,” says Riesenhuber. “我们可以利用先前的学习方式,使我们从几个例子中学习到更好的东西,这种方式我们认为是大脑在做什么。”

人类有能力非常快速,准确地从稀疏数据中学习新的视觉概念。我们从很小的三个月就拥有这种能力。但是,计算机需要同一个对象的许多示例才能最终知道它是什么。

“大脑的计算能力’的层次结构在于,它可以利用以前从数据库中学到的,充满了有关对象概念的表示形式来简化学习,” Riesenhuber says.

人工神经网络 vs人类视觉系统

Riesenhuber和Rule发现,人工神经网络可以更快地学习新的视觉概念,接近人类的能力水平。

“我们的方法不是从低级视觉功能方面学习高级概念,而是从其他高级概念方面进行解释。” Rule说。 “这就像说鸭嘴兽看起来有点像鸭子,海狸和海獭。”

人类视觉概念学习在很大程度上依赖于对象识别过程中涉及的神经网络,并且人们认为大脑的前颞叶在概念表示方面具有超越形状的能力。由于涉及视觉识别的这些神经层次结构是如此复杂,因此人类可以学习新任务并利用先前的学习。

“通过重用这些概念,您可以更轻松地学习新概念,新含义,例如,斑马就是不同条纹的马,” Riesenhuber says.

人工智能尚未达到与人类视觉系统相同的水平,人类视觉系统具有从很少的示例进行概括,处理图像变化和理解场景的卓越能力。但是,进步使之更加接近。

“我们的发现不仅提出了可以帮助计算机更快更有效地学习的技术,而且还可以导致改进的神经科学实验,旨在了解人们如何如此迅速地学习,而这还没有被很好地理解,” Riesenhuber says.

 

 

 

 

 

 

亚历克斯·麦克法兰(Alex McFarland)是一位历史学家和新闻工作者,报道了人工智能的最新发展。