人的脸盲程度居然比果蝇还严重?!看来要靠AI来拯救一下了……

我们都经常有“脸盲”的时刻:电视剧中的某个演员,换了个造型就会让人完全认不出来;或者是几个穿着打扮差不多的人站在面前,却区分不出来谁是谁。然而令人吃惊的是,科学家们在研究中发现,在辨认自己的同类方面,果蝇表现的比人类还要好。近日,来自加拿大的科学家们将果蝇的生物学特征与机器学习技术结合起来,构建出了一种基于生物学的算法,能够对不同种类的果蝇进行区分和重新识别。

尽管它们的视觉系统构造非常简单,但是果蝇能够仅靠视觉来区分不同的个体。果蝇拥有较小的复眼结构,其摄取的视觉信息非常有限,据估计只有29个平方单位大小。过去的观点认为,果蝇在处理图像时,只能区分那些非常明显的特征。但是,最近的一项发现表明,果蝇可以通过一些生物学特征,来提高其有效分辨率。

▲果蝇复眼的视觉范围(图A),过去研究人员认为的果蝇复眼处理图像结果(图B),实际果蝇通过其生物学特征分辨的图像结果(图C)(图片来源:Schneider et al.)

这一点让研究人员相信,视觉为果蝇的“社会生活”贡献很大。同时,研究人员还发现,果蝇的视觉系统结构与深度卷积网络(DCN)非常相似,这让他们不禁产生了一个想法:能否模拟一个能够识别个体的果蝇大脑呢?

于是,研究人员们利用机器学习技术,构建出了一个模拟果蝇视觉系统的神经网络,并使用多个低分辨率的果蝇视频,来测试这一神经网络是否能完成对于不同果蝇的分辨和识别任务。这个算法模型具有与果蝇相似的理论输入和处理能力,并在两天内接受了大量果蝇视频的训练。

▲该神经网络的图示(图片来源:Schneider et al.

在经过训练后,新型神经网络可以对同一只果蝇进行准确识别,其F1评分(一种结合精确度和召回率的评分方式)为0.75,仅略低于未受果蝇视觉系统限制的神经网络得到的0.85和0.83分。而当研究人员将一只果蝇的照片与20只果蝇进行匹配时,有经验的人类果蝇生物学家只得到了0.08分

加拿大圭尔夫大学机器学习副教授Graham Taylor博士表示:“很多深度神经网络应用都在尝试将人类的能力复制及自动化,如面部识别、自然语言处理或歌曲识别等,但很少有神经网络能够超越人类的本身能力。因此,我们找到了一种让算法能够胜过人类的应用,这一点是非常令人兴奋的。” 

研究人员表示,这项研究能够证明果蝇的视力其实比我们想象的还要更加清晰:它不仅能够识别大的类别,还能精准地区分不同的个体。这可以让全球数千个以果蝇作为生物模型进行研究的实验室完成更多的工作,观察单只果蝇是如何随时间而变化的。同时,这样的项目也成为了神经生物学家和机器学习研究人员合作的完美舞台,用来揭示任何生物或其他系统处理信息的基本原理。

参考资料:

[1] Researchers build an artificial fly brain that can tell who's who. Retrieved October 30, 2018, from https://www.eurekalert.org/pub_releases/2018-10/cifa-rba102318.php

药明康德AI
药明康德AI

药明康德微信团队专业打造。当人工智能遇上大健康,带你看全AI时代的智慧之光。

专栏二维码
产业NLP机器学习神经网络DCN
2
相关数据
机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

神经网络技术

(人工)神经网络是一种起源于 20 世纪 50 年代的监督式机器学习模型,那时候研究者构想了「感知器(perceptron)」的想法。这一领域的研究者通常被称为「联结主义者(Connectionist)」,因为这种模型模拟了人脑的功能。神经网络模型通常是通过反向传播算法应用梯度下降训练的。目前神经网络有两大主要类型,它们都是前馈神经网络:卷积神经网络(CNN)和循环神经网络(RNN),其中 RNN 又包含长短期记忆(LSTM)、门控循环单元(GRU)等等。深度学习是一种主要应用于神经网络帮助其取得更好结果的技术。尽管神经网络主要用于监督学习,但也有一些为无监督学习设计的变体,比如自动编码器和生成对抗网络(GAN)。

自然语言处理技术

自然语言处理(英语:natural language processing,缩写作 NLP)是人工智能和语言学领域的分支学科。此领域探讨如何处理及运用自然语言;自然语言认知则是指让电脑“懂”人类的语言。自然语言生成系统把计算机数据转化为自然语言。自然语言理解系统把自然语言转化为计算机程序更易于处理的形式。

深度神经网络技术

深度神经网络(DNN)是深度学习的一种框架,它是一种具备至少一个隐层的神经网络。与浅层神经网络类似,深度神经网络也能够为复杂非线性系统提供建模,但多出的层次为模型提供了更高的抽象层次,因而提高了模型的能力。

推荐文章
暂无评论
暂无评论~