人工智能和機(jī)器學(xué)習(xí)幫助科學(xué)家理解人臉識(shí)別

來(lái)自索爾克研究所(Salk Institute)、俄羅斯Skoltech和理研中心(Riken Center for Brain Science)的科學(xué)家研究了一個(gè)理論模型，該模型研究了大腦視覺皮層的神經(jīng)元群如何識(shí)別和處理人臉及其表情，以及它們是如何組織起來(lái)的。這項(xiàng)研究最近發(fā)表在《神經(jīng)計(jì)算》雜志上，并在其封面上進(jìn)行了強(qiáng)調(diào)。

人類有驚人的能力來(lái)識(shí)別大量的人臉并解釋面部表情。這些能力在人類社會(huì)交往中起著關(guān)鍵作用。然而，人類大腦是如何處理和存儲(chǔ)如此復(fù)雜的視覺信息的，目前仍知之甚少。

Skoltech的科學(xué)家an - huy Phan和Andrzej Cichocki，以及他們來(lái)自和的同事Sidney Lehky和Keiji Tanaka，試圖更好地了解視覺皮層如何處理和儲(chǔ)存與人臉識(shí)別相關(guān)的信息。他們的方法是基于這樣一種思想，即人臉可以從概念上表示為部分或組件的集合，包括眼睛、眉毛、鼻子、嘴巴等。利用機(jī)器學(xué)習(xí)方法，他們應(yīng)用了一種新的張量算法，將人臉?lè)纸獬梢唤M稱為張量臉的分量或圖像，以及它們的相關(guān)權(quán)重，并用這些分量的線性組合來(lái)表示人臉。通過(guò)這種方式，他們建立了一個(gè)數(shù)學(xué)模型來(lái)描述參與人臉識(shí)別的神經(jīng)元的工作。

Skoltech教授Andrzej Cichocki說(shuō):“我們使用了一種新的張量分解方法，將人臉表示為一組特定復(fù)雜度的組件，這些組件可以被解釋為模型臉細(xì)胞，并表示人臉表示是由低復(fù)雜度和中復(fù)雜度的臉細(xì)胞混合而成?！?/p>