图灵汇官网

探索大脑识别人脸的奥秘：DeepMind与中科院神经科学研究所的联合研究

导读

近期，DeepMind与中科院神经科学研究所携手，揭开了大脑识别人脸的神秘面纱。这项研究揭示了大脑如何将面部特征解析为语义特征，例如年龄、性别以及是否在微笑，且每个神经元对应一个特定特征。

合作亮点

• 无监督深度学习的应用：研究团队采用无监督深度学习技术，探索大脑处理面部信息的机制。
• 神经元级的理解：实验成果表明，大脑能够以单个神经元的精细度理解视觉信息，挑战了传统认知中关于神经元不可解释性的观点。
• 模型与实验的强关联：通过对比模型行为与猕猴神经活动数据，研究者发现真实与人工神经元间存在显著的一一对应关系，进一步验证了模型的精确性。

技术详解

• β-VAE模型：作为研究的核心工具，β-VAE被用来模拟大脑中的面部识别模块。该模型通过编码器将输入数据在隐空间中转换为各种特征，如大小、颜色、位置等，并由解码器进行重建。
• 特征分解：对于面部识别而言，β-VAE能够将面部特征分解为年龄、性别、眼间距、眉毛粗细等具体特征，展现了解耦和解纠缠的能力。
• 生物与机器的映射：β-VAE与猕猴神经元间的高度对应，暗示了生物大脑可能采用了类似的机制处理人脸信息。

实验成果与应用展望

• 重建验证：利用猕猴神经元测量数据训练的β-VAE模型成功实现了人脸的重建，证明了理论与实践的高度一致性。
• 跨学科合作：研究团队期待，从机器学习获得的最新洞见能反哺神经科学领域，不仅限于人脸识别，还涵盖抽象推理、通用任务学习等更为广泛的任务。

科学家简介

• Irina Higgins：DeepMind研究员，β-VAE模型论文的首位作者。
• 常乐：中科院神经科学研究所研究员，专注于功能核磁共振、电生理记录和数学建模，研究不同种类物体在猕猴下颞叶皮层的表征。
• 曹颖：加州理工陈天桥雒芊芊脑科学研究院主任，2018年麦克阿瑟天才奖得主，2020年美国科学院院士。

结论

DeepMind与中科院神经科学研究所的此次合作，不仅揭示了大脑识别人脸的内在机制，也为神经科学与人工智能的融合开辟了新路径，预示着未来在理解复杂认知过程和开发先进的人工智能系统方面将有更多突破。