شبکه های عصبی رایانه ای اشیا را مانند مغز نخستیان شناسایی میکنند
تاکنون هیچ نوع مدل رایانهای نتوانسته است با مغز نخستیان (primate)در بازشناسی بيدرنگ اشیاء برابری کند. اما دانشمندان علوم اعصاب دانشگاه ام آی تی (MIT) در تحقيقات تازهاي دریافتهاند که آخرین نسل به اصطلاح "شبکههای عصبی ژرف " با مغز نخستیان تطبیق میکنند.
جيمز ديکارلو (James DiCarlo)، استاد علوماعصاب و نويسنده اصلي مقاله که در شماره 18 مجله PLoS Computational Biology به چاپ رسيده است ميگويد: «از آنجا که این شبکههای عصبی بر اساس یافتههای اخیر مربوط به چکونگی عملکرد مغز در بازشناسی اشیاء طراحی شده است، موفقیت آنها بر اين نکته دلالت ميکند که دانشمندان فهم نسبتاً دقيقي از عملکرد بازشناسی مغز به دست آوردهاند. اين واقعيت که مدلها پاسخهای عصبی و فاصله اشیاء را در فضای جمعیت نورونی پیش بینی میکنند نشانگر آن است که مدلهای مزبور تبیین خوبي از آنچه در این بخش اسرارآمیز مغز اتفاق میافتد انجام میدهند».
چنين درک اصلاح شدهاي از کارکرد مغز نخستیان میتواند به هوش مصنوعی و شاید به راههاي جدید بهبود نقص عملکرد بینایی کمک کند.
در دهه هفتاد میلادی دانشمندان با الهام گرفتن از مغز به امید تقلید توانایی پردازش اطلاعات دیداری، بازشناسی کلامی و فهم زبان شروع به ساخت شبکههای عصبی نمودند. در پيشنهاد شبکههای عصبی مبتنی بر ادراک بینایی، دانشمندان از بازنمایی سلسله مراتبی اطلاعات دیداری در مغز الهام گرفتند. دروندادهاي ديداري از شبکیه به قشر اولیه ديداري مخ و از آنجا به قشر اطلاعاتي مخ (IT)ميرود و در هر لايه از پردازش، پله پله مشخصتر ميشود که شيء قابل بازشناسي چیست.
طراحان شبکه عصبی برای تقلید از عملکرد مغز، چندین لایه محاسباتی در مدلهای جدید ایجاد کردند. در هر لايه بازنماییهای دیداری شیء پیچیدهتر و پیچیدهتر میشوند و اطلاعات غیرلازم مانند محل شیء یا حرکت شیء کنار گذاشته میشوند.
به گزارش پژوهشکده علوم شناختی ، در این پژوهش محققان ابتدا توانایی بازشناسایی شیء را اندازه گرفتند. آنها با قرار دادن يک دسته الکترود در قشر IT و همچنین در منطقهي V4 (که بخشي از سيستم بينايي است که به قشر IT مرتبط است) توانستند بازنمایی عصبي هر شيئ را که حیوان می بیند مشاهده کنند. سپس آنها را با بازنماییهای "شبکههای عصبی ژرف" که شامل ماتریس عددي حاصل از عناصر محاسباتی در سیستم بود، مقایسه کردند. هر تصویر مجموعه متفاوتی از اعداد تولید میکند. دقت مدل وابسته به اين است که مدل بتواند در جریان بازنمایی، اشیاء مشابه را در دستههای مشابه گروه بندی کند.
No tags for this post.
