失明(失明科幻)
作者|穆青
编辑|簇尾
6月22日，北京致远大会举办了认知神经科学基础专题论坛。北京师范大学认知神经科学与学习国家重点实验室毕彦超教授、北京大学心理与认知学院方芳教授、北京师范大学大有友资源网心理学系刘佳教授、北京大学计算机系伍肆教授、中科院自动化所于山教授等发表演讲，探讨认知神经科学能给AI带来哪些启示。
第四位演讲者是北京大学计算机科学系的伍肆教授，他的演讲题目是“生物视觉和计算机视觉之间的对话”。
在报告中，伍肆教授指出，生物的视觉识别机制和深度神经 *** 的图像识别机制有很大的区别。对生物体的视觉识别涉及自上而下和自下而上两条通路的相互作用，而深度神经 *** 只模拟第二条通路。自上而下的视觉通路涉及到生物视觉感知的全局、拓扑和多解特性，尤其是在理解图像时，会出现数学上的无限解，而这些特性可能是深度神经 *** 下一步的改进方向。
以下是演讲全文。《AI科技评论》在不改变初衷的情况下进行了整理。
我报告的内容是生物视觉与计算机视觉研究的互动，以此来说明神经科学与人工智能研究的互动。这两个领域本质上都是在解锁智力的黑箱，所以它们相互启发是非常自然的。
一个
深度神经 *** 只是模拟了生物视觉的一部分。
深度神经 *** 是近年来人工智能的引擎，已经非常成功。在一些大型数据集中，物体的识别率甚至超过了人类。然而，深度神经 *** 仍然面临许多问题。
首先，深度神经 *** 模拟了大脑视觉皮层中的前馈和分层信息处理。但是大脑的视觉系统比这个复杂得多，所以人脑在很多行为上和深层神经 *** 有很大的不同。在许多任务上，人们表现得更好。
举个简单的例子。如下图，左边有一只熊。熊的部分信息被去掉了，只剩下轮廓，我们人类一眼就能认出它是熊。右图中，熊被分割成小块然后加扰，只保留了局部信息，全局信息没有了。我们可以发现这些小块包含了熊的眼睛、嘴巴和身体，但是很难识别出右图是熊，但是深度神经 *** 一眼就识别出右图是熊。
通过对比可以发现，深度学习 *** 的物体识别机制与人类有很大不同。人类可以获取全友资源 *** 的信息来识别物体，但目前深度神经 *** 只能利用局部信息来识别物体。
无法获取全局信息是深度学习面临的一个基本问题，尤其是前馈神经 *** 。这个基本问题早就意识到了。人工智能的先驱马文·明斯基在1969年指出，前馈神经 *** 很难识别拓扑性质。
拓扑学是研究几何图形或空在连续改变形状后仍能保持不变的一些性质的学科。它只考虑物体之间的位置关系，不考虑它们的形状和大小。在拓扑学中，重要的拓扑性质包括连通性和紧性。
前馈 *** 很难获得全局信息，即使要获得，其计算复杂度也将呈指数级增长。拓扑信息和全局信息的获取是深度学习 *** 面临的基本问题。
因此，我们有必要了解生物视觉系统如何获取全局信息。神经科学领域一直有一个广泛的争论，即人类是根据全局信息还是局部信息来识别物体。这两种观点对应的典型例子是两个画派，如下图所示。左边的画属于印象派，只看局部看不清楚眼睛或者鼻子，但是只要从整体上认出来就能知道这是一个男人。这是一个从全局信息中识别物体的例子。右边的这幅画属于立体派。这幅画放大了每一个局部信息。毕加索说画的是一个漂亮的女孩，但很多人认为看不到是因为局部信息无法拼出全部信息。这是一个从局部信息识别物体的例子。
深度学习 *** 通过聚合局部信息，逐步构建复杂信息来识别物体。相反，在认知神经科学领域有一种理论叫做“逆层次理论”。这一理论指出，人类认识物体是从简单到复杂，从整体到局部。
“逆层次理论”与我们的生活经验是一致的。如果一个人闪现在我们的视野里，你会立刻反应过来是一个人，然后识别对方的身份。这是一个从整体到细节的认同过程。
我们从神经科学的角度来看人类视觉认知和机器学习的一个主要区别。下图是一个实验，实验对象是盲人。失明意味着意识层面“看不见”物体，但能“感知”它们的存在。
大量实验表明，为了看到或意识到物体，人类至少需要在视觉皮层V1中接收到物体的信息。假设V1受损，失明可能会发生。此时能感知到物体，是因为皮层下通路仍然存在，这是一条从视网膜到上丘，再到更高皮层的短通路。
科学家用动物实验更好地证明了这一点。当他们把老鼠放在笼子里时，天花板上会有一个动态 *** ，即一个小斑点会迅速变大，这模仿了自然环境中老鹰猛扑老鼠时老鼠视网膜接收到的光信号。这时候老鼠的之一本能就是装死。科学家发现，通过操纵上丘的神经元反应，小鼠可以在看到移动的斑点后停止装死，或者即使没有移动的斑点出现，小鼠也会主动装死。这个实验表明，本能的快速反应是通过皮层下通路，而不是通过深层神经 *** 模拟。
在上述实验中，老鼠将移动的光点视为老鹰，老鼠没有刻意辨别 *** 是光点还是老鹰，立即装死。这是动物的本能反应，即老鼠不需要详细的特征提取就能识别运动模式。
参考这个例子，我们提出了一种在识别运动模式时无需特征提取的新算法。我们建立了一个模型，由两部分组成。下图左下方是外部输入，黑色圆圈中的 *** 代表“视网膜”。这里“视网膜”的计算很简单。它将运动模式投影到高维空，使运动模式线性可分，然后输入到选择 *** 中。视网膜上有很多神经元，相当于一个图书馆 *** 。我们不需要培训库网和选择网，只需要它们之间的连接。
关于选择 *** ，我以两个神经元为例来说明。如下图所示，每个选择神经元代表一种要识别的运动模式。这些神经元的动力学特别慢，因为要识别运动模式，关键是要把握输入的时间结构，而不仅仅是空之间的结构。这些选择神经元之间存在相互抑制，每个神经元通过库 *** 的输入收集证据。如果证据支持自己编码的运动模式，这个神经元的反应就会抑制其他神经元的活动，最终取得胜利。
这个模型的本质是对时间空模式的识别，所以我们可以对这个模型进行推广，用于步态识别。在这个任务中，人们在屏幕前行走1-2次，然后将他们的步态输入到模型中进行识别。这种模型的优点是可以用小样本训练，只需要1-2倍的数据就可以立刻学习一个人的步态特征。
2
视觉是一个动态的交互过程。
我们引入一个心理物理学实验来说明从整体到部分的认知实际上是不可避免的。请看下图中呈现的图像，猜猜是什么。
如果你以前没看过这张图，你是猜不到的，所以我画了图像的轮廓。
现在你可以看到图片是一头牛。如果去掉牛的轮廓，你还是觉得它是图中的牛，因为你的大脑里已经有了自上而下的牛的先验知识。但这只是答案之一。我也能画出一只手的轮廓，然后去掉轮廓。这时候你会觉得画面又是一只手，因为你有了手从上到下的先验知识。
我还可以在图中画一条鱼，我相信你会再次认为它是一条鱼。
这个实验表明，人类识别物体时，大脑皮层自上而下的信号非常重要。
这个简单的实验揭示了图像理解的一个深刻的数学问题，即给定一个图像，理论上有无限多种解释。注意，图像理解不同于物体识别。图像理解涉及两个基本操作，一个是图像分割，另一个是物体识别。
但是两者的顺序是一个困难的悖论:如何识别一个没有适当分割的图像；但另一方面，如果优优资源网未能提前识别对象，又如何进行适当的细分呢？从数学上讲，分割和识别一幅图像的方法有无限多种，所以这在数学上是一个不适定问题。无论是人类还是AI，图像理解都面临这样一个问题。
大脑解决这个问题的思维是一个“猜测和确认”的过程。当我们识别一个物体时，物体的图像信息被快速传递到更高级的皮层，也就是通过所谓的快速路径，我们可以在更高级的皮层做出猜测。猜测通过反馈连接，与新的输入交叉检查，只有在重复这个过程后才能识别对象。
我们在日常生活中很难意识到这个过程，因为在日常生活中，往往只需要一两轮就能成功识别。但确实有时候一个图像看不清楚，我们会左顾右盼。在大脑中，可能会交替上传和下载信息，不断进行“猜测-验证-猜测-验证”。只要验证结果是否定的，该过程将继续，直到获得肯定的结果。
神经生物学充分证明，人脑的识别机制确实如此。从解剖学上讲，高级视皮层到初级视皮层的反馈连接比前馈连接更多。相比之下，深度学习 *** 主要考虑前馈连接。电生理学证据也表明，大脑对物体的识别首先发生在较高的视皮层，然后发生在较低的视皮层。
一般来说，生物视觉识别至少有两条路径，快路径识别整个物体，结果帮助慢路径识别物体的局部信息。
这是我们最近的一项工作，介绍了全球认知如何通过反馈提高本地认知。我们在考虑物体的识别时，首先要识别物体的大类，然后根据大类信息帮助识别小类。比如我们看到一张图片，可以先识别它是动物，再识别它是猫，进一步识别它是什么种类的猫。我们发现大类信息可以通过先正后负的反馈信息帮助小类信息被识别。
之一步是推送反馈，它的作用是抑制类间噪音。假设较高脑区识别出物体是猫，它就告诉较低脑区停止处理狗的信息。这就是正反馈，增强了猫的信息，抑制了狗的信息。第二步是拉式反馈，其作用是抑制类内噪音，即从猫的信息中减去一般猫的共性，放大不同猫之间的细微差异。
一般来说，生物视觉的识别机制和深度神经 *** 的图像识别机制有很大的不同。生物视觉识别涉及自上而下和自下而上两条通路的相互作用，而深度神经 *** 只模拟第二条通路。自顶向下的视觉通路涉及生物视觉感知的全局、拓扑和多解特性，可能是深度神经 *** 下一步的改进方向。认知科学和人工智能应该互相对话，互相学习。根据以往的经验，这往往能带来惊喜。
本文地址：百科常识频道 https://www.neebe.cn/changshi/950533.html，易企推百科一个免费的知识分享平台，本站部分文章来网络分享，本着互联网分享的精神，如有涉及到您的权益，请联系我们删除，谢谢！
相关阅读
