AI每日精选

AI每日精选10条

AI每日精选10条

大公司新闻

投融资

行业动态

产品与应用

研究与技术

NeurIPS 2019 | 深度神经网络与人类感知之间的差异深度神经网络还执行了语音识别和图像分类任务,对听觉或视觉刺激的变化具有强大的鲁棒性。但是,这些模型学到的不变性是否类似于人类感知系统学到的不变性?一群来自麻省理工学院的研究人员发现他们是不同的. 为了更彻底地研究它们与生物系统的相似性,研究人员合成了模型同质异构体-在网络表示的某个阶段产生相同响应的刺激。通过对噪声信号执行梯度下降,将图像和音频网络的各个层的响应与自然图像或语音信号进行匹配,研究团队为自然刺激生成了模型同聚物。所得信号反映了网络中实例化的不变性,直到匹配层为止。研究人员还测量了人类观察者是否可以识别模型同构异构体-这是模型表示复制人类模型的必要条件。尽管早期网络层的模型元数据是人类可识别的,但较深层的模型元数据却无法被人类识别。通过修改架构,减少了合并操作的混叠,听觉模型元数据变得更容易被人识别,但是来自最深层的那些元数据仍然无法识别。研究人员还使用了 metamer 检验来比较模型表示。跨模型的 metamer 识别下降到更深的层次,大约在人类识别恶化的同一点,表明模型表示之间存在分歧。结果揭示了模型表示与人类表示之间的差异,同时也显示了同分异构体如何帮助指导模型细化和阐明模型表示。

重磅报告

暂无评论
暂无评论~