一項新研究發現，當人工智慧被賦予視覺識別物體和人臉的任務時，它將其網路的特定元件分配給人臉識別--就像人腦一樣。人類的大腦似乎非常關心人臉。它將一個特定的區域用於識別它們，那裡的神經元非常擅長它們的工作，以至於我們大多數人都能輕易地認出成千上萬的人。
隨著人工智慧的發展，計算機現在可以以類似的效率識別人臉--麻省理工學院（MIT）麥戈文腦科學研究所的神經科學家們發現，一個被訓練來識別人臉和其他物體的計算網路發現了一個令人驚訝的類似於大腦的策略來將它們全部分類。
3月16日發表在《科學進展》雜誌上的這一發現表明，數百萬年的進化塑造了人類大腦中的電路，優化了我們的面部識別系統。
“人類大腦的解決方案是將人臉的處理與物體的處理分開，”Katharina Dobs解釋說，她在麻省理工學院認知神經科學教授Nancy Kanwisher的實驗室擔任博士後。她所訓練的人工網路也是如此。“而這也是我們假設任何接受過識別人臉和對物體進行分類訓練的系統會找到的解決方案，”她補充說。
"這兩個完全不同的系統已經找出了一個好的解決方案是什麼。而這感覺非常深刻，"Kanwisher說。
功能特殊的大腦區域
20多年前，Kanwisher和她的同事們在大腦的顳葉中發現了一個對臉部有特殊反應的小點。這個區域被他們命名為紡錘狀臉部腦區，是Kanwisher和其他人發現的專門用於特定任務的許多大腦區域之一，如檢測書面文字、感知聲樂歌曲和理解語言。
Kanwisher說，當她探索人類大腦是如何組織的時候，她一直對這種組織的原因感到好奇。“大腦是否真的需要特殊的機器來識別面部和其他功能？”她說：“‘為什麼的問題’在科學中是非常困難的。但透過一種被稱為深度神經網路的複雜的機器學習，她的團隊至少可以發現不同的系統會如何處理類似的任務。”
Dobs現在是德國吉森大學的研究小組組長，她收集了數十萬張影象，用來訓練臉部和物體識別的深度神經網路。這些圖片包括1700多個不同人的臉和數百種不同的物體。所有這些都被提交給了網路，沒有任何關於哪個是哪個的線索。“我們從未告訴系統，其中有些是人臉，有些是物體。所以它基本上只是一個大任務，”Dobs說。“它需要識別人臉的身份，以及一輛腳踏車或一支筆。”
當程式學會識別物體和人臉時，它將自己組織成一個資訊處理網路，其中包括專門用於人臉識別的單元。像大腦一樣，這種專業化發生在影象處理的後期階段。在大腦和人工網路中，面部識別的早期步驟涉及更多的一般視覺處理機制，而最後階段則依賴面部專用的元件。
目前還不知道人臉處理機制是如何在發育中的大腦中產生的，但根據他們的發現，Kanwisher和Dobs說網路不一定需要一個先天的人臉處理機制來獲得這種專業化。“我們沒有在我們的網路中建立任何與臉有關的東西，”Kanwisher說。“這些網路在沒有得到臉部特定的推動的情況下，設法隔離了自己。”
Kanwisher說，看到深度神經網路將自己分離成獨立的部分用於臉部和物體的識別是令人激動的。她說：“這就是我們20多年來一直在研究的大腦，”她說。“為什麼我們在大腦中有一個單獨的人臉識別系統？這告訴我，這是因為這就是最佳化的解決方案的樣子。”
現在，她渴望使用深度神經網路來問類似的問題，即為什麼其他大腦功能的組織方式是這樣的。她說：“我們有一個新的方法來問為什麼大腦是以這種方式組織的。我們在人類大腦中看到的結構，有多少會透過訓練網路來做類似的任務而自發產生？”
