中科院DeepMind联手，用深度学习揭示中枢神经系统如何识别人脸｜Nature子刊

梦晨 稍晚 凹非寺

量子位 引述 | 社会所号 QbitAI

DeepMind和 里面科院心理学科学研究小组协力了。

具体来说是，脑会把鼻子基本特征分解成一些语义基本特征，如年龄组、性别角色或是否在微笑，而且是单个小脑对应某个具体基本特征。

△ 图源Marta Garnelo

此外，他们构建的数学模型利用少量小脑的信号就能还原出新整个鼻子图像，就其科学论文发表在除此以外一期 Nature Communications上。

科学论文共同完成一作为DeepMind科学教授 Irina Higgins和里面科院心理学科学研究小组科学教授 常乐。

其他参与者都有DeepMind创始人 哈撒比斯、华盛顿州学院心理学科学研究院副院长 曹颖等。

他们的实验结果提出新可以在单个小脑的尺度上去理解脑视觉。

这一结果可以说是缔造了以往的认知，即指出单个小脑在很大程度上是不可断言的，有意义的信息存在于大量小脑的互动组合成里面。

就其领域的学者也表示会好好科学研究这篇文章，因为如果在看到这篇以后答他“无全权负责深度学习能断言脑的什么选择性吗？”，他会就让地说是“没戏”。

人工小脑与穿山甲小脑有强对应

不过这种能力的具体运作选择性一直未科学研究明晰。

在对比β-VAE数学模型的使用暴力与穿山甲的神经大型活动数据库的流程里面，科学研究人员推断出真实世界小脑和人造小脑之间存在浓烈的一一映射关连。

这下可好，虽然脑的选择性不易科学研究，VAE的理论可是很明白。

编码器把输入数据库在隐空间里面编码成各种基本特征，如物体的一般来说、颜色、位置，再由音频进行重修。

这种能力被称为“解能量守恒”或“解纠缠”，而β-VAE是VAE之里面解能量守恒能力较强的一种值得注意。

从年龄组、性别角色到更具体的眼间距、鼻子粗都会被分解成一个个基本特征。

β-VAE与穿山甲小脑间的强对应关连，意味着人类脑很可能也是按这种方式去认知人脸。

为了验证这一点，科学研究人员用穿山甲小脑的校准数据库去训练β-VAE，获得成功的进行了人脸的重修。

笔记详述

本文的共同完成一作、通讯笔记 Irina Higgins是DeepMind科学教授，也是β-VAE数学模型科学论文的第一笔记。

共同完成一作 常乐是里面国科学院心理学科学研究小组的科学教授，科学研究领域是结合功能核磁共振、电生理记录和数理逻辑数据分析等手段来科学研究相同多样的物体如何在穿山甲的下颞叶视神经进行表征。

常乐曾在华盛顿州学院任博士后期间与曹颖合作。

曹颖从2017年起担任华盛顿州学院陈天桥雒芊芊脑科学科学研究院副院长，2018年获得马歇尔多才多艺奖，2020年当选人口为120人院士。

参考绑定：

[1]

— 完—

辟谣数理逻辑老师邀你参加 「MEET智能下一代大会」，与大芒果嘉宾、AI从业者共同完成聚焦智能科技新下一代！

限时优惠&免费报考里面， 方才扫码、瞄准席位吧~

量子位 QbitAI · 太阳报号续约笔记

վ'ᴗ' ի 锁定AI技术和其产品新动态

一键三连「分享」「点赞」和「在看」

科技前沿方面日日相见 ~