Yüz Tanıma Sinirbilimi

Beyniniz Tüm Bu Yüzleri Nasıl Tanır | Bilim

Facebook'ta her gezindiğinizde, bazıları tanıdık, bazıları tanıdık olmayan düzinelerce yüze maruz kalıyorsunuz. Ancak bir bakışta beyniniz bu yüzlerdeki özellikleri değerlendirir ve çoğu zaman kimin etiketlendiğini veya albümü kimin yayınladığını okumaya vaktiniz olmadan önce bunları karşılık gelen kişiye uydurur. Araştırma gösteriyor ki Birçok kişi, bir kişiyle ilgili adı veya işi gibi diğer önemli ayrıntıları unutsalar bile yüzleri tanır.

Bu mantıklı: Son derece sosyal hayvanlar olarak, insanların birbirlerini görme yoluyla hızlı ve kolay bir şekilde tanımlayabilmeleri gerekir. Fakat bu olağanüstü süreç beyinde tam olarak nasıl işliyor?

canımı sıkan soru buydu Le Chang , 2014 yılında California Teknoloji Enstitüsü'nde bir sinirbilimci. Daha önceki araştırmalarda, laboratuvar direktörü zaten primatların beyinlerindeki nöronları tanımladı işlenmiş ve tanınan yüzler. Beynin şakak lobundaki 'yüz yamaları' olarak adlandırılan bu altı bölge, bir kişi veya maymun bir yüze diğer nesnelere göre baktığında çok daha aktif görünen belirli nöronları içerir.





Chang, 'Ama büyük bir sorunun eksik olduğunu fark ettim' diyor. Yani: yamalar yüzleri nasıl tanır. 'İnsanlar hala bu nöronların yüzlerinin tam kodunu bilmiyorlardı.'

Chang, beynin yüzleri analiz etmek ve tanımak için kullandığı yöntemi araştırırken, yüzü matematiksel olarak ayırmaya karar verdi. Yaklaşık 2.000 yapay insan yüzü yarattı ve bileşen parçalarını ten renginden gözler arasındaki boşluk miktarına kadar yüzleri farklı kılan 50 özelliği kapsayan kategorilere ayırdı. Yapay yüzler gösterildiğinde beyinlerinin yüz yamalarındaki nöronların nasıl ateşlendiğini kaydetmek için iki al yanaklı maymuna elektrotlar yerleştirdiler.



Chang, daha sonra maymunlara binlerce yüz göstererek, her bir yüzdeki hangi özelliklerle ilişkili olarak hangi nöronların ateşlendiğini haritalayabildi. dergide bu ay yayınlanan bir araştırma Hücre .

kartal eddie gerçek bir hikaye mi

Yüz yamalarındaki her bir nöronun, yüzleri farklı kılan şeyin yalnızca bir özelliğine veya 'boyutuna' belirli oranlarda tepki verdiği ortaya çıktı. Bu, nöronlarınız söz konusu olduğunda, yüzün tek bir yapının aksine ayrı parçaların toplamı olduğu anlamına gelir. Chang, son derece farklı görünen ancak temel özellikleri paylaştığı için aynı nöral ateşleme modellerini üreten yüzler yaratabildiğini belirtiyor.

Bu yüz tanıma yöntemi, bazı sinirbilimcilerin daha önce insanların yüzleri nasıl tanıdığı hakkında düşündüklerinin aksine duruyor. Daha önce, iki karşıt teori vardı: örnek kodlama ve norm kodlama. İçin örnek kodlama teorisi , sinirbilimciler, beynin yüz özelliklerini aşırı veya belirgin örneklerle karşılaştırarak yüzleri tanıdığını öne sürdüler. norm kodlama teorisi beynin bir yüzün özelliklerinin ortalama bir yüzden nasıl farklı olduğunu analiz ettiğini öne sürdü.



2001 bir uzay macerası hal 9000

Bu nöral ateşleme modelini anlamak, Chang'in, maymun bir yüze bakarken ateşlenen sadece 205 nöronun modellerini tersine mühendislikle tersine çevirebileceği bir algoritma oluşturmasına izin verdi. . Yüz özelliklerini birleştirmek için bir kişiyle çalışan bir polis eskizi sanatçısı gibi, her bir nöronun faaliyetinin önerdiği özellikleri alıp onları eksiksiz bir yüz halinde birleştirebildi. Vakaların yaklaşık yüzde 70'inde, kitle kaynaklı web sitesi Amazon Turk'ten alınan insanlar, orijinal yüzle yeniden oluşturulan yüzle aynıymış gibi eşleştirdi.

Ortak yazar nörobilimci Doris Tsao bir basın açıklamasında, 'İnsanlar her zaman bir resmin bin kelimeye bedel olduğunu söylerler' dedi. 'Ama bir yüz resminin yaklaşık 200 nörona bedel olduğunu söylemeyi seviyorum.'

Yüzler Değiştirildi

Maymunlara gösterilen yapay yüzler ve araştırmacıların sadece beyinlerindeki sinirsel aktiviteyi kullanarak yaptıkları rekonstrüksiyonlar.(Doris Tsao)

bevil conway Ulusal Göz Enstitüsü'nden bir sinirbilimci, yeni çalışmanın kendisini etkilediğini söyledi.

Çalışmaya dahil olmayan Conway, “Gerçek nöronlardan alınan verileri kullanarak yüz tanımanın nasıl gerçekleştiğine dair ilkeli bir açıklama sağlıyor” diyor. Bu tür çalışmaların şu anda kusurlu olduğu bilinen daha iyi yüz tanıma teknolojileri geliştirmemize yardımcı olabileceğini de sözlerine ekledi. Bazen sonuç gülünç , ancak diğer zamanlarda bu programların güvendiği algoritmaların ciddi ırksal önyargılar .

Gelecekte Chang, çalışmasının potansiyel suçluları, onları gören tanıklardan profillemek için polis soruşturmalarında kullanıldığını düşünüyor. Ed Connor Johns Hopkins Üniversitesi'nden bir sinirbilimci olan , bu 50 özelliği temel alan özellikleri ayarlamak için geliştirilebilecek bir yazılım öngörüyor. Böyle bir program, tanıkların ve polisin, tanıkların yüzleri en çok hatırladıkları anda dönüştürebilecekleri 50 kadranlı bir sistem gibi, insanların onları ayırt etmek için kullandıkları özelliklere dayalı olarak yüzlere ince ayar yapmasına izin verebileceğini söylüyor.

Chang, 'İnsanların başkalarının nasıl göründüğünü açıklamaları yerine,' diye tahmin yürütüyor, 'aslında onların düşüncelerini doğrudan deşifre edebiliriz.'

Yazarlar, bu önemli alanı ileriye taşımaya yardım ettikleri için övgüyü hak ediyor, diyor Jim DiCarlo MIT'de biyomedikal mühendisi olan primatlarda nesne tanımayı araştırır . Ancak, araştırmaya dahil olmayan DiCarlo, araştırmacıların yüzleri ayırt etmek için sadece 200 nörona ihtiyaç olduğunu yeterince kanıtlamadığını düşünüyor. araştırmasında , diye belirtiyor, nesneleri daha gerçekçi bir şekilde ayırt etmek için kabaca 50.000 nöron gerektiğini, ancak yine de gerçek dünyadaki yüzlerden daha az gerçekçi olduğunu keşfetti.

robert e lee köleliğe bakış

Bu çalışmaya dayanarak DiCarlo, yüzleri tanımanın, onları kaba bir kalitede ayırt etmek için bile 2.000 ila 20.000 arasında nöron gerektireceğini tahmin ediyor. Yazarlar, yüzlerin neredeyse üç kat daha az nöron tarafından kodlandığına inanırlarsa, bunun dikkate değer olacağını söylüyor.

Genel olarak, bu çalışma bazı harika analizlerle mevcut literatüre güzel bir katkıdır, diye sonuca varıyor DiCarlo, ancak alanımız henüz yüzler için nöral kodun tam, model tabanlı bir anlayışında değil.

Yeni araştırmaya dahil olmayan Connor, bu çalışmanın sinirbilimciler arasında yeni araştırmalara ilham vermesini umuyor. Bu bilim dalının, beynin daha karmaşık işleyişini, bilgisayar derin sinir ağlarının kara kutularına benzeterek çoğu kez göz ardı ettiğini söylüyor: Nasıl çalıştıklarını anlamak imkansız olacak kadar dağınık.

Connor, yeni çalışmadan, yüz kimliğinin beyinde nasıl kodlandığını anlama konusunda daha iyi bir iş çıkaran birinin hayal edilmesinin zor olduğunu söylüyor. İnsanları bazen spesifik ve karmaşık nöral kodları aramaya teşvik edecektir. Tsao ile beynin yüz ifadelerini nasıl yorumladığını araştırma olasılığını zaten tartıştı.

Connor, sinirbilimin, beyinde belirli deneyimlere yol açan fiziksel olayların neler olduğunu bize gösterdiğinden daha ilginç olamayacağını söylüyor. Bana göre bu Kutsal Kase.





^