中科院DeepMind聯(lián)手，用深度學(xué)習(xí)揭示大腦如何識(shí)別人臉｜Nature子刊

夢(mèng)晨 2021-11-14 18:40:32 來(lái)源：量子位

夢(mèng)晨 發(fā)自 凹非寺
量子位 報(bào)道 | 公眾號(hào) QbitAI

DeepMind和中科院神經(jīng)科學(xué)研究所聯(lián)手了。

他們用無(wú)監(jiān)督深度學(xué)習(xí)揭示出大腦識(shí)別人臉的機(jī)制。

具體來(lái)說(shuō)，大腦會(huì)把面部特征分解成一些語(yǔ)義特征，如年齡、性別或是否在微笑，而且是單個(gè)神經(jīng)元對(duì)應(yīng)某個(gè)具體特征。

此外，他們構(gòu)建的模型利用少量神經(jīng)元的信號(hào)就能還原出整個(gè)面部圖像，相關(guān)論文發(fā)表在最新一期Nature Communications上。

論文共同一作為DeepMind研究員Irina Higgins和中科院神經(jīng)科學(xué)研究所研究員常樂(lè)。

其他參與者還包括DeepMind創(chuàng)始人哈撒比斯、加州理工神經(jīng)科學(xué)研究院主任曹穎等。

他們的實(shí)驗(yàn)結(jié)果提出可以在單個(gè)神經(jīng)元的尺度上去理解大腦視覺(jué)。

這一結(jié)果可以說(shuō)打破了以往的認(rèn)知，即認(rèn)為單個(gè)神經(jīng)元在很大程度上是不可解釋的，有意義的信息存在于大量神經(jīng)元的互動(dòng)組合中。

相關(guān)領(lǐng)域的學(xué)者也表示會(huì)好好研究這篇文章，因?yàn)槿绻诳吹竭@篇之前問(wèn)他“無(wú)監(jiān)督深度學(xué)習(xí)能解釋大腦的什么機(jī)制嗎？”，他會(huì)毫不猶豫地說(shuō)“沒(méi)戲”。

人工神經(jīng)元與獼猴神經(jīng)元有強(qiáng)對(duì)應(yīng)

靈長(zhǎng)類大腦有著驚人的處理視覺(jué)信息的能力，幾毫秒之內(nèi)就能對(duì)看到的復(fù)雜場(chǎng)景做出識(shí)別反應(yīng)。

不過(guò)這種能力的具體運(yùn)作機(jī)制一直沒(méi)有研究透徹。

中科院常樂(lè)和加州理工曹穎之前都對(duì)獼猴的視覺(jué)機(jī)制做過(guò)研究，找出負(fù)責(zé)獼猴大腦負(fù)責(zé)識(shí)別面孔的是下顳葉皮層?（inferotemporal cortex）中的一部分。

這次與DeepMind的合作中，他們選用自監(jiān)督的β-VAE（β變分自動(dòng)編碼器）來(lái)模擬大腦中負(fù)責(zé)識(shí)別面孔的模塊。

在對(duì)比β-VAE模型的行為與獼猴的神經(jīng)活動(dòng)數(shù)據(jù)的過(guò)程中，研究人員發(fā)現(xiàn)真實(shí)神經(jīng)元和人造神經(jīng)元之間存在強(qiáng)烈的一一映射關(guān)系。

這下可好，雖然大腦的機(jī)制不易研究，VAE的原理可是很明白。

編碼器把輸入數(shù)據(jù)在隱空間中編碼成各種特征，如物體的大小、顏色、位置，再由解碼器進(jìn)行重建。

這種能力被稱為“解耦”或“解糾纏”，而β-VAE是VAE之中解耦能力較強(qiáng)的一種變體。

對(duì)于面部識(shí)別來(lái)說(shuō)也是如此。

從年齡、性別到更具體的眼間距、眉毛粗細(xì)都會(huì)被分解成一個(gè)個(gè)特征。

β-VAE與獼猴神經(jīng)元間的強(qiáng)對(duì)應(yīng)關(guān)系，意味著生物大腦很可能也是按這種方式去感知人臉。

為了驗(yàn)證這一點(diǎn)，研究人員用獼猴神經(jīng)元的測(cè)量數(shù)據(jù)去訓(xùn)練β-VAE，成功地進(jìn)行了人臉的重建。

最后，研究團(tuán)隊(duì)希望來(lái)自機(jī)器學(xué)習(xí)的最新見解可以反饋給神經(jīng)科學(xué)，并推廣到識(shí)別人臉之外的任務(wù)，特別是抽象推理或通用任務(wù)學(xué)習(xí)。

作者介紹

本文的共同一作、通訊作者Irina Higgins是DeepMind研究員，也是β-VAE模型論文的第一作者。

共同一作常樂(lè)是中國(guó)科學(xué)院神經(jīng)科學(xué)研究所的研究員，研究領(lǐng)域是結(jié)合功能核磁共振、電生理記錄和數(shù)學(xué)建模等手段來(lái)研究不同種類的物體如何在獼猴的下顳葉皮層進(jìn)行表征。

常樂(lè)曾在加州理工任博士后期間與曹穎合作。

曹穎從2017年起擔(dān)任加州理工陳天橋雒芊芊腦科學(xué)研究院主任，2018年獲得麥克阿瑟天才獎(jiǎng)，2020年當(dāng)選美國(guó)科學(xué)院院士。

論文地址
https://www.nature.com/articles/s41467-021-26751-5

參考鏈接：
[1]https://deepmind.com/research/publications/2021/unsupervised-deep-learning-identifies-semantic-disentanglement-in-single-inferotemporal-face-patch-neurons