شبکه های عصبی رایانه ای اشیا را مانند مغز نخستیان شناسایی میکنند

تاکنون هیچ نوع مدل رایانه​ای نتوانسته است با مغز نخستیان (primate)در بازشناسی بي​درنگ اشیاء برابری کند. اما  دانشمندان علوم اعصاب دانشگاه ام آی تی (MIT) در تحقيقات تازه​اي دریافته​اند که آخرین نسل به اصطلاح "شبکه​های عصبی ژرف " با مغز نخستیان تطبیق می​کنند. 

جيمز دي​کارلو (James DiCarlo)، استاد علوم​اعصاب و نويسنده​ اصلي مقاله که در شماره​ 18 مجله​ PLoS Computational Biology​ به چاپ رسيده است مي​گويد: «از آنجا که این شبکه​های عصبی بر اساس یافته​های اخیر مربوط به چکونگی عملکرد مغز در بازشناسی اشیاء طراحی شده است، موفقیت آنها بر اين نکته دلالت مي​کند که دانشمندان فهم نسبتاً دقيقي از عملکرد بازشناسی مغز به دست آورده​اند. اين واقعيت که مدلها پاسخهای عصبی و فاصله اشیاء را در فضای جمعیت نورونی پیش بینی می​کنند نشانگر آن است که مدلهای مزبور تبیین خوبي از آنچه در این بخش اسرارآمیز مغز اتفاق می​افتد انجام می­دهند». 

چنين درک اصلاح شده​اي از کارکرد مغز نخستیان می​تواند 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 شبکه​های عصبی نمودند. در پيشنهاد شبکه​های 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)مي​رود و در هر لايه از پردازش، پله پله مشخص​تر مي​شود که شيء قابل بازشناسي چیست.​

طراحان شبکه عصبی برای تقلید از عملکرد مغز، چندین لایه محاسباتی در مدلهای جدید ایجاد کردند. در هر لايه بازنمایی​های دیداری شیء پیچیده​تر و پیچیده​تر می​شوند و اطلاعات غیرلازم مانند محل شیء یا حرکت شیء کنار گذاشته می​شوند.

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 منطقه​ي 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 بازنمایی​های "شبکه​های عصبی ژرف" که  شامل ماتریس عددي حاصل از عناصر محاسباتی در سیستم بود، مقایسه کردند. هر تصویر مجموعه​ متفاوتی از اعداد تولید می​کند. دقت مدل وابسته به اين است که مدل بتواند در جریان بازنمایی، اشیاء مشابه را در دسته​های مشابه گروه بندی کند.

منبع

No tags for this post.

نوشته های مشابه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا