研究人员开发了一种人脑面部识别机制的新计算模型

麻省理工学院的研究人员及其同事开发了一种人脑面部识别机制的新计算模型，该模型似乎捕获了先前模型所忽略的人类神经病学方面。

研究人员设计了一个机器学习系统来实现他们的模型，并通过向其提供一系列样本图像来训练该模型来识别特定的面孔。他们发现，训练有素的系统包括一个中间处理步骤，该步骤代表脸部的旋转角度(例如，与中心的旋转角度为45度)，而不是方向的旋转角度(左或右)。

此属性未内置到系统中;它是在培训过程中自发出现的。但是它复制了灵长类动物面部加工机制的实验观察到的特征。研究人员认为这表明他们的系统和大脑在做类似的事情。

麻省理工学院脑与认知科学教授，由多机构研究财团资助的脑，脑和机器中心(CBMM)主任托马索·波焦(Tomaso Poggio)说：“这并不是我们了解正在发生的事情的证据。由国家科学基金会资助，总部位于麻省理工学院。“模型是现实的卡通，特别是在生物学中。因此，如果事情变得如此简单，我会感到惊讶。但我认为，有力的证据表明我们走上了正确的道路。”

确实，研究人员的新论文包含了数学证明，即他们使用的特定类型的机器学习系统(旨在提供Poggio所谓的神经系统“生物学上可行的”模型)将不可避免地产生无差别的中间表示。旋转角度。

Poggio也是麻省理工学院麦戈文脑科学研究所的主要研究人员，他是一篇描述新工作的论文的高级作者，该论文今天发表在《计算生物学》杂志上。CBMM和McGovern Institute的其他几位成员也加入了他的论文：第一作者Joel Leibo，他是Google DeepMind的研究人员，他在Poggio的指导下从MIT获得了大脑和认知科学博士学位;麻省理工学院电气工程与计算机科学专业的研究生钱倩丽;Fabio Anselmi，IIT @ MIT计算与统计学习实验室的博士后，该实验室是MIT与意大利理工学院的合资企业;洛克菲勒大学副教授温里希·弗赖瓦尔德(Winrich Freiwald)。

新兴属性

这篇新论文是“我们想要在[CBMM]中做的一个很好的例证，一方面是机器学习和计算机科学的融合，另一方面是神经生理学的融合，以及人类行为的各个方面，” Poggio说。“这不仅意味着大脑使用什么算法，而且大脑中执行这些算法的电路是什么。”

波焦长期以来一直认为，大脑必须产生面部和其他物体的“不变”表示，即与物体在空间中的朝向，与观察者的距离或视野中的位置无关的表示。对人脑和猴脑的磁共振扫描显示出同样的结果，但在2010年，弗赖瓦尔德(Freiwald)发表了一项研究，对猕猴面部识别机制的神经解剖学进行了更为详尽的描述。

弗赖瓦尔德(Freiwald)指出，来自猴子视神经的信息会通过一系列大脑位置传递，每个位置对脸部朝向的敏感度都比最后一个敏感。第一个区域中的神经元仅在响应特定的面部朝向时才会触发;不管脸部朝向如何，最终区域中的神经元都会发火-表示不变。