出處：新研究：大腦的人臉識別原理
-----------------
摘要：
美國加州理工學院生物工程教授多麗絲·曹（Doris Tsao）
和她的同事斯蒂文（Steven Le Chang）在《細胞》期刊上發表了一項新研究，
他們發現了靈長類動物大腦中的人臉識別編碼系統。
它們的大腦採用一種組合方式來進行面部識別，
每個面部識別的神經元對面部特定的特徵做出反應。
多麗絲·曹說：“這個編碼系統非常簡單，我們發現，
當一隻獼猴看到一張面孔時，它的大腦中僅有205個神經元參與了相關編碼過程。”
多麗絲·曹和斯蒂文還考慮到，
在進行臉部識別，也就是識別各種面部特徵的特定組合時，
每個神經元是否有“最擅長”的一個組合。
實驗中，當獼猴看到不同的臉部圖像，
當這些不同特徵是神經元“不關心”的組合時，單個臉細胞的反應保持不變。
舉個例子，當獼猴看見兩張髮際線不同的照片時，
它們的視覺皮層裡負責關心眼睛大小的神經元不會產生變化。
要識別一張臉大約需要50個維度。一張人臉可以分解為多個維度，
每個臉細胞大約會編碼其中 6 個維度的若干參數，整合在一起就形成了一張整體的臉。
當你看到一張人像照片的時候，大腦會立刻識別出照片上的人是誰，或者之前是否見過。
近年來，神經學家一直想弄清楚大腦到底是如何識別和感知人臉的，
大多數理論都認為是多個神經元構成一個集群一起工作，從而識別出一張臉，
最荒謬的觀點認為，對於每個認識的人，大腦都有單個細胞專門識別那個人的臉。
6月1日，美國加州理工學院生物工程教授多麗絲·曹（Doris Tsao）
6月1日，美國加州理工學院生物工程教授多麗絲·曹（Doris Tsao）
和她的同事斯蒂文（Steven Le Chang）在《細胞》期刊上發表了一項新研究，
他們發現了靈長類動物大腦中的人臉識別編碼系統。
它們的大腦採用一種組合方式來進行面部識別，
每個面部識別的神經元對面部特定的特徵做出反應。
多麗絲·曹說：“這個編碼系統非常簡單，我們發現，
當一隻獼猴看到一張面孔時，它的大腦中僅有205個神經元參與了相關編碼過程。”
在更早的研究裡，多麗絲·曹和斯蒂文研究了兩隻獼猴的大腦，找到了負責識別面孔的區域。
在更早的研究裡，多麗絲·曹和斯蒂文研究了兩隻獼猴的大腦，找到了負責識別面孔的區域。
他們把人臉或其他物體的圖像，比如身體、水果、隨機圖案等等展示給它們看，
然後用功能性磁共振成像（fMRI）查看，當它們看到“人臉”時，哪些腦區會亮起。
多麗絲·曹和斯蒂文一共找出了6個與記憶識別過程有關的區域，
這些區域塞滿了特殊的神經元細胞，他們把這些神經元細胞稱為“臉細胞”（face cell） 。
接下來在新研究中，他們開始專注研究那些被激活的“臉細胞”。
接下來在新研究中，他們開始專注研究那些被激活的“臉細胞”。
多麗絲曹和斯蒂文給兩隻獼猴看了一組包含不同特徵的2000 張人臉，
這些不同特徵包括眼睛之間的距離、髮際線的形狀等。
然後把電極植入獼猴的大腦中，比較各個神經元對不同特徵的反應。
他們發現一共有205個神經元參與了對一張臉不同特徵的編碼過程。
華盛頓大學視覺神經生理學家格雷·格霍維茨（ Greg Horwitz）
華盛頓大學視覺神經生理學家格雷·格霍維茨（ Greg Horwitz）
接受《自然（Nature）》 雜誌採訪時，把多麗絲·曹和斯蒂文的工作簡單概括為：
開發了一個模型，讓人能從計算機屏幕上的圖像中看到，視覺皮層中神經元對臉部的反應。
這個模型描繪了，每個細胞是如何對所有可能的面部特徵組合產生響應的。
多麗絲·曹和斯蒂文還考慮到，
多麗絲·曹和斯蒂文還考慮到，
在進行臉部識別，也就是識別各種面部特徵的特定組合時，
每個神經元是否有“最擅長”的一個組合。
於是，他們根據每個神經元對各種面部特徵的反應，嘗試重現了獼猴看見的面孔。
基於神經元信號的強度，他們幾乎可以完美重現獼猴看過的面孔。
實驗中，當獼猴看到不同的臉部圖像，
當這些不同特徵是神經元“不關心”的組合時，單個臉細胞的反應保持不變。
舉個例子，當獼猴看見兩張髮際線不同的照片時，
它們的視覺皮層裡負責關心眼睛大小的神經元不會產生變化。
美國馬里蘭州貝塞斯達心理健康研究所的神經科學家大衛·利奧波德（David Leopold）
美國馬里蘭州貝塞斯達心理健康研究所的神經科學家大衛·利奧波德（David Leopold）
接受《自然》雜誌採訪時說，
大腦能夠意識到一些關鍵的維度（dimension），可以分辨出這是某人A，這是某人B。
在多麗絲·曹看來，人的大腦可能會使用這些維度來識別具體的面孔，
要識別一張臉大約需要50個這樣的維度。一張人臉可以分解為多個維度，
每個臉細胞大約會編碼其中 6 個維度的若干參數，整合在一起就形成了一張整體的臉。
多麗絲·曹接受《紐約時報》採訪時說，她印象特別深刻的是，
多麗絲·曹接受《紐約時報》採訪時說，她印象特別深刻的是，
可以設計出一整套由各種特徵組合成的面孔，讓給定的臉細胞都不會發生響應，
因為這些設計出的面孔都不是細胞“擅長”識別的維度的組合。
這也排除了此前的一種人臉識別假說——
臉細胞將輸入的圖像與一組標準的人臉數據進行比較，
並從中尋找差異，這也正是此前計算機識別人臉時常用的一種方式。
《紐約時報》說，機器學習曾給神經科學帶來了一種悲觀主義看法，
認為大腦類似黑箱，這項新研究則提供了反例：
研究人員記錄了視覺系統最高級的神經元信號，然後發現，那裡沒有黑箱。
參考來源：《靈長類動物臉部識別算法被破譯，大腦黑箱或根本不存在》
參考來源：《靈長類動物臉部識別算法被破譯，大腦黑箱或根本不存在》
《只靠記憶就能還原別人的照片，這回警察可高興了》
作者：楊蕾
作者：楊蕾
-----------------
摘要：
美國加州理工學院生物工程教授多麗絲·曹（Doris Tsao）
和她的同事斯蒂文（Steven Le Chang）在《細胞》期刊上發表了一項新研究，
他們發現了靈長類動物大腦中的人臉識別編碼系統。
它們的大腦採用一種組合方式來進行面部識別，
每個面部識別的神經元對面部特定的特徵做出反應。
多麗絲·曹說：“這個編碼系統非常簡單，我們發現，
當一隻獼猴看到一張面孔時，它的大腦中僅有205個神經元參與了相關編碼過程。”
多麗絲·曹和斯蒂文還考慮到，
在進行臉部識別，也就是識別各種面部特徵的特定組合時，
每個神經元是否有“最擅長”的一個組合。
實驗中，當獼猴看到不同的臉部圖像，
當這些不同特徵是神經元“不關心”的組合時，單個臉細胞的反應保持不變。
舉個例子，當獼猴看見兩張髮際線不同的照片時，
它們的視覺皮層裡負責關心眼睛大小的神經元不會產生變化。
要識別一張臉大約需要50個維度。一張人臉可以分解為多個維度，
每個臉細胞大約會編碼其中 6 個維度的若干參數，整合在一起就形成了一張整體的臉。
沒有留言:
張貼留言