深度神经网络在日常实际应用中变得越来越强大
研究人员使用深度神经网络或 DNN 来对信息处理进行建模，并研究这种信息处理如何与人类的处理相匹配。
虽然 DNN 已成为一种越来越流行的工具来模拟大脑所做的计算，特别是在视觉上识别现实世界的“事物”，但 DNN 执行此操作的方式可能会大不相同。
由格拉斯哥大学心理学和神经科学学院领导的新研究发表在《认知科学趋势》杂志上，提出了一种新方法，可以使用类似的计算步骤来理解人脑及其 DNN 模型是否以相同的方式识别事物.
目前，深度神经网络技术用于人脸识别等应用，虽然在这些领域取得了成功，但科学家们仍然没有完全理解这些网络是如何处理信息的。
这篇观点文章概述了一种新方法，可以更好地理解该过程的工作原理：首先，研究人员必须证明大脑和 DNN 都使用相同的面部特征识别相同的事物(例如面部);其次，大脑和 DNN 必须以相同的方式处理这些特征，并采用相同的计算步骤。
由于当前准确人工智能开发的挑战是了解机器学习的过程是否与人类处理信息的方式相匹配，因此希望这项新工作是创造更准确和可靠的人工智能技术的又一步，该技术将更像我们的大脑处理信息做。
格拉斯哥大学研究技术系主任 Philippe Schyns 教授说：“更好地了解人脑及其 DNN 模型是否以相同的方式识别事物将允许使用 DNN 进行更准确的实际应用。
“如果我们对人脑中的识别机制有更深入的了解，我们就可以将这些知识转移到 DNN 中，这反过来将有助于改进 DNN 在面部识别等应用中的使用方式，目前这些应用并不总是准确的。 .
“创造类似人类的人工智能不仅仅是模仿人类行为——如果要完全依赖技术，它还必须能够处理信息，或者像人类一样‘思考’或比人类更好。我们希望确保人工智能模型是使用与人类相同的过程来识别事物，因此我们不只是有系统正在工作的错觉。”
这项名为“大脑与其 DNN 模型之间的算法等效度”的研究发表在《认知科学趋势》上。
版权声明：本文由用户上传，如有侵权请联系删除！