最新计算机神经络识别图像达灵长类动物水平

yang111

据物理学家组织近日报道，美国麻省理工大学神经科学家的一项最新研究发现，最新一代的所谓深度神经络能比得上灵长类动物的大脑。这提高了人们对灵长类大脑工作原理的理解，有望开发更好的人工智能，带来修复视觉机能障碍的新方法，相关论文发表在最近的《公共科学图书馆计算生物学》上。

新研究指出，目前最好的络是纽约大学开发的一种模型，在对目标分类识别上能达到猕猴大脑的水平。论文高级作者、MIT脑与认知科学系神经科学教授詹姆斯狄卡罗说，最新络的成功表明，神经科学家已相当准确地掌握了目标认知原理。模型能预测神经反应和物体在神经丛空间的距离，概括了我们迄今最好的理解，让我们知道那些以往神秘的脑区发生了什么。

早在上世纪70年代，科学家就开始构建神经络。受大脑分级处理视觉信息的启发，构建了视觉神经络模型。他们在模型中构造出多个计算层，每层执行一步数学运算。在每一层，图像目标的表达越来越复杂，无关的信息被放到一边。每个元素都是非常简单的数学式，论文第一作者、MIT麦戈文研究所博士后查尔斯卡迪欧说，但千百万这些元素结合在一起，从原始信号到用于目标识别的表达式之间就形成了极复杂的转换。

研究人员首先检测了大脑的目标识别能力。他们颞下（IT）皮层和V4脑区植入了电极阵列。再把这些和深度神经络生成的表达进行对比，深度神经络由系统中每个计算元素生成的数字矩阵构成。每幅图像会产生一个不同的数组。模型的精确性取决于能否把相似的对象归类到相似的表达集群。

卡迪欧说，这种神经络最近取得的成功，取决于两个主要因素：一是计算处理能力，尤其是图形处理单元（GPUs）方面的巨大进步；第二是研究人员能访问大型分类数据库，用数据来训练算法。

最初，神经络并不能很好地识别这些图像，但随着它们看的图像越来越多，不断发现错误，精简算法，最终它们对目标物体的识别会变得越来越精确。

yang111

据物理学家组织近日报道，美国麻省理工大学神经科学家的一项最新研究发现，最新一代的所谓深度神经络能比得上灵长类动物的大脑。