Forskare från Institute of Mathematical Problems of Biology of the Russian Academy of Sciences har skapat ett neuralt nätverk som styr dess "blick" och söker efter objekt i en uppfattad bild på ungefär samma sätt som synorganen och den mänskliga hjärnan gör, enligt en artikel publicerad i tidskriften Neural Networks.
"Den utvecklade modellen erbjuder en enkel och oväntad förklaring till en mycket komplex kognitiv process för att söka efter och känna igen objekt i en bild som uppfattas av våra ögon", säger Yakov Kazanovich från Institutet för matematiska biologiska problem vid Ryska vetenskapsakademin i Pushchino. Enligt honom bör det neurala nätverk som skapats av hans team hjälpa neurofysiologer att förstå hur verklig mänsklig vision fungerar.
Under de senaste tio åren har hundratals programmerare och dussintals stora IT-företag skapat otaliga maskinvisionssystem som kan känna igen olika objekt i en uppfattad bild och klassificera dem. Moderna robotar, sökmotorer och drönare kan använda dessa data för en mängd olika syften - till exempel för att kringgå hinder eller hitta en klient när de levererar ett paket.
Trots enorma framsteg inom detta område vet forskare praktiskt taget ingenting om hur mänskliga och djursyn fungerar och hur vi lyckas automatiskt klassificera och känna igen även objekt som vi aldrig har sett förut.
Därför, som Casanovic säger, förblir många funktioner i mänskligt medvetande, uppfattning om verklighet och syn fortfarande ett mysterium för neurofysiologer och psykologer. Till exempel har forskare argumenterat länge om varför en person mycket enkelt kan hitta "kontrasterande" föremål i ett stort antal andra strukturer som inte liknar honom, men samtidigt har svårt att hitta flera figurer gömda i ett litet antal liknande föremål.
Kazanovich och hans kollega Roman Borisyuk tog ett stort steg mot att lösa detta problem genom att skapa ett system för artificiell intelligens, som när de löser dessa problem beter sig på exakt samma sätt som en person.
Dess huvuddrag, som forskare säger, är att den består av en mängd relativt oberoende strukturer, de så kallade "ensemblerna", där neuroner producerar speciella vibrationer. En av dessa strukturer blir en slags "dirigent" som styr de andra "ensemblernas" arbete och ger dem uppgifter, medan de andra ensemblerna i huvudsak är objekt som det neurala nätverket "ser" på bilden.
"Ensembler" konkurrerar ständigt med varandra om inflytande på "dirigenten" och på driften av hela det neurala nätverket som helhet. Det sätt på vilket denna tävling fortskrider, vilket framgår av experimenten och beräkningarna av Casanovich, återspeglar nästan idealiskt principen om mänsklig syn och liknar vår "glidning" av vår blick över bilden när vi letar efter objekt med olika grad av "kontrast".
Kampanjvideo:
Denna modell, hoppas forskare, kommer att hjälpa neurofysiologer att inte bara hitta liknande strukturer i hjärnan hos människor och apor, utan också förstå hur de fungerar, vilket kommer att föra oss närmare att skapa "naturliga" maskinsynssystem.
