检测大脑视觉初始阶段的3D形状碎片(凹凸、空心、轴、球)是一种新发现的自然智能策略，约翰霍普金斯大学的研究人员也在训练好的视觉网络的人工智能网络中发现了这种策略。

一篇关于103010的新论文详细介绍了V4中的神经元，这是大脑物体视觉通路的第一阶段，它代表的是3D形状的碎片，而不仅仅是过去40年来用来研究V4的2D形状。然后，约翰霍普金斯大学的研究人员在高级计算机视觉网络AlexNet的早期(第3层)识别出几乎相同的人工神经元反应。在自然视觉和人工视觉中，尽早检测三维形状可能有助于解释真实的三维物体。

赞维尔克里格思维/大脑研究所所长、神经科学教授埃德康纳说：“我很早就看到V4发出清晰、清晰的3D形状信号。”但是一百万年后，我从没想过你会在AlexNet上看到同样的东西，AlexNet只是被训练用来将2D的照片转换成物体标签。"

人工智能的长期挑战之一是复制人类的视觉。像AlexNet这样的深度(多层)网络在对象识别方面取得了很大的进步，这是基于为互联网上的游戏和爆炸图像和视频开发的大容量图形处理单元(GPU)提供的大规模训练集。

Connor和他的团队在自然和人工神经元上进行了相同的图像反应测试，并在V4和AlexNet第3层中发现了非常相似的反应模式。这解释了康纳所说的大脑进化和进化之间的“奇怪对应”。终身学习-和AlexNet-由计算机科学家设计，并被训练来标记物体的图片？

Connor说，AlexNet和类似的深层网络实际上是部分基于大脑中的多阶段视觉网络而设计的。他说，他们观察到的密切相似性可能表明未来有机会利用自然和人工智能之间的相关性。

康纳说：“人工网络是目前最有希望理解大脑的模型。相反，大脑是让人工智能更接近自然智能的最佳策略来源。”

郑重声明：本文版权归原作者所有。转载文章只是为了传播更多的信息。如果作者信息标注有误，请第一时间联系我们修改或删除。谢谢你。

标签:人工智能。

免责声明： 本文由用户上传，如有侵权请联系删除！

标签：