研究人員使用深度神經(jīng)網(wǎng)絡或 DNN 來對信息處理進行建模，并研究這種信息處理如何與人類的處理相匹配。
雖然 DNN 已成為一種越來越流行的工具來模擬大腦所做的計算，特別是在視覺上識別現(xiàn)實世界的“事物”，但 DNN 執(zhí)行此操作的方式可能會大不相同。
由格拉斯哥大學心理學和神經(jīng)科學學院領導的新研究發(fā)表在《認知科學趨勢》雜志上，提出了一種新方法，可以使用類似的計算步驟來理解人腦及其 DNN 模型是否以相同的方式識別事物.
目前，深度神經(jīng)網(wǎng)絡技術用于人臉識別等應用，雖然在這些領域取得了成功，但科學家們?nèi)匀粵]有完全理解這些網(wǎng)絡是如何處理信息的。
這篇觀點文章概述了一種新方法，可以更好地理解該過程的工作原理：首先，研究人員必須證明大腦和 DNN 都使用相同的面部特征識別相同的事物(例如面部);其次，大腦和 DNN 必須以相同的方式處理這些特征，并采用相同的計算步驟。
由于當前準確人工智能開發(fā)的挑戰(zhàn)是了解機器學習的過程是否與人類處理信息的方式相匹配，因此希望這項新工作是創(chuàng)造更準確和可靠的人工智能技術的又一步，該技術將更像我們的大腦處理信息做。
格拉斯哥大學研究技術系主任 Philippe Schyns 教授說：“更好地了解人腦及其 DNN 模型是否以相同的方式識別事物將允許使用 DNN 進行更準確的實際應用。
“如果我們對人腦中的識別機制有更深入的了解，我們就可以將這些知識轉(zhuǎn)移到 DNN 中，這反過來將有助于改進 DNN 在面部識別等應用中的使用方式，目前這些應用并不總是準確的。 .
標簽：
免責聲明：本文由用戶上傳，與本網(wǎng)站立場無關。財經(jīng)信息僅供讀者參考，并不構成投資建議。投資者據(jù)此操作，風險自擔。 如有侵權請聯(lián)系刪除！