大腦在物體視覺(jué)的開(kāi)始階段就檢測3D形狀碎片(凹凸，空心，軸，球體)，這是一種新發(fā)現的自然智能策略，約翰·霍普金斯大學(xué)的研究人員也在訓練有素的視覺(jué)網(wǎng)絡(luò )的人工智能網(wǎng)絡(luò )中發(fā)現了這種策略。

《當前生物學(xué)》上的一篇新論文詳細介紹了V4區域中的神經(jīng)元，這是大腦對象視覺(jué)通路的第一個(gè)階段，它代表3D形狀碎片，而不僅僅是過(guò)去40年用于研究V4的2D形狀。然后，約翰·霍普金斯大學(xué)的研究人員在高級計算機視覺(jué)網(wǎng)絡(luò )AlexNet的早期(第3層)中識別出了幾乎相同的人造神經(jīng)元反應。在自然和人工視覺(jué)中，盡早檢測3D形狀大概有助于解釋現實(shí)世界中的實(shí)體3D對象。

Zanvyl Krieger思維/大腦研究所所長(cháng)，神經(jīng)科學(xué)教授Ed Connor說(shuō)：“我很早就看到V4發(fā)出清晰，清晰的3D形狀信號，”。“但是在一百萬(wàn)年中，我從未想過(guò)您會(huì )在A(yíng)lexNet中看到同樣的事情，AlexNet僅受過(guò)訓練，可以將2D照片轉換為對象標簽。”

人工智能的長(cháng)期挑戰之一是復制人類(lèi)的視覺(jué)。諸如AlexNet之類(lèi)的深度(多層)網(wǎng)絡(luò )已經(jīng)在對象識別方面取得了重大進(jìn)展，這是基于為游戲開(kāi)發(fā)的高容量圖形處理單元(GPU)和互聯(lián)網(wǎng)上爆炸的圖像和視頻所提供的大規模培訓集的。

康納和他的團隊對自然和人工神經(jīng)元進(jìn)行了相同的圖像響應測試，并在V4和AlexNet層3中發(fā)現了非常相似的響應模式。這解釋了康納所描述的大腦之間“怪異的對應關(guān)系”-這是進(jìn)化和進(jìn)化的產(chǎn)物。終身學(xué)習-和AlexNet-由計算機科學(xué)家設計并受過(guò)訓練以標記物體照片?

Connor說(shuō)，AlexNet和類(lèi)似的深度網(wǎng)絡(luò )實(shí)際上是部分基于大腦中的多階段視覺(jué)網(wǎng)絡(luò )而設計的。他說(shuō)，他們觀(guān)察到的密切相似之處可能表明將來(lái)有機會(huì )利用自然與人工智能之間的相關(guān)性。

康納說(shuō)：“人工網(wǎng)絡(luò )是當前最有前途的理解大腦的模型。相反，大腦是使人工智能更接近自然智能的最佳策略來(lái)源。”