歐洲研究者設計出一種類似大腦的人工神經網絡，該網絡能夠在沒有任何明確的訓練或預編程的前提下具備數字和空間認知，以及書面語言處理的能力。
歐洲研究者設計出一種類似大腦的人工神經網絡，該網絡能夠在沒有任何明確的訓練或預編程的前提下具備數字和空間認知，以及書面語言處理的能力。他們基于生成模型的機器學習方法的成果顯著推動了自我學習人工智能的發展，同時也加深了對人類認知的理解。
該研究由帕多瓦大學(UniversityofPadova)的MarcoZorzi領導，并從一開始就得到了歐洲研究中心(ERC)的資助。這個名叫GENMOD的項目表明建立一個能夠基于感官數據觀察世界并生成世界的內部表征的人工神經網絡是可能的。比如說，該網絡可以依靠自己發展出近似的數感(numbersense)——確定基本數字性質的能力，比如更大或更小——而且還不需要實際理解這些數字本身，就像人類和嬰兒和一些動物一樣。
Zorzi說「我們的研究顯示，在概率框架內的生成學習可以成為開發人類認知的更合理的神經網絡模型的關鍵步驟�！�
視覺數量感(visualnumerosity)的測試顯示了該網絡的能力，同時也為人類和動物在沒有任何預先存在的數字或算術知識的基礎上出現判斷一個集合中的物體數量的能力提供了見解。
Zorzi及其同事向這個自修正網絡(self-revisingnetwork)輸入了數萬張圖像，其中每張圖像都包含了2到32個大小不同的隨機排布的物體；然后研究人員發現在這個遵循無監督學習的深度神經網絡中涌現出了對數量感(numerosity)的感知。在響應每一張圖像時，該網絡會強化或弱化神經元之間的連接，以使其數字敏銳度(即精確度)可以根據其剛剛觀察到的模型進行精細調節；這個過程獨立于物體的總體表面積，確保了其神經元確實是在檢測數量。
實際上，該網絡開始為估計圖像中物體的數量生成自己的規則和學習過程，其所遵循的神經元活動模式也曾在猴子的頂葉皮層中被觀察到過。頂葉皮層是大腦中涉及數字和算術知識的區域，這表明GENMOD模型可能近似反映了真實大腦的工作方式。
像一個孩子那樣學習數字敏銳能力
「一個六個月大的孩童有相對較弱的近似數感：比如說，他可以區分8個點和16個點之間的差異，但卻無法區分8個點和12個點之間的差異。辨別能力在整個童年都在提升。我們的網絡在數字敏銳度上表現出了相似的過程——其觀察的圖像越來越多，同時其確定物體數量的能力也隨時間逐漸提升。」據Zorzi說，他計劃在7月26日的歐洲科學開放論壇2016(EuroScienceOpenForum2016)中的「Canwesimulatethehumanbrain？(我們能模擬人類大腦嗎？)」研討會上討論他的研究。
該項目在數字認知上的成果可能對神經科學和教育有重要的意義，比如理解患有計算障礙(dyscalculia)的孩子數感受損的可能原因，年齡增長對數字技能的影響和增進由腦損傷引起的病理的研究。
憑借其在機器視覺、神經信息學和人工智能方面的應用，GENMOD在其它一些領域甚至還可能會有更為深遠的影響。
「之前利用人工神經網絡建模人類認知的許多成果都基于監督式學習算法。這樣的算法除了在生物學上不合理之外，還要求在每一個學習事件中都有外部的教育信號可用，并且表現出了一種值得懷疑的假設：學習在很大程度上是判別式的。」Zorzi解釋說，「相反，生成模型在沒有任何監督或獎勵的前提下學習感官數據的內部表征。也就是說，物體的圖像等感官模式不需要進行標注來告訴網絡輸入中呈現了什么或它應該如何做出反應�！�
人類感知建模中的突破
該GENMOD團隊還利用深度神經網絡開發了第一個全面的、真實的字母感知(lettERPerception)計算模型，該模型以完全無監督的方式從不同字體、樣式和大小的數千張字母圖像中進行了學習。通過預先輸入的自然場景的隨機圖像，該網絡學會了隨時間定義線條、形狀和圖案。當它隨后被用于觀察書面文本時，它應用了相同的過程來區分字母，并最終區分出了單詞。
「這支持了關于人類如何發展出書面語言的假設。大腦中沒有一部分是為閱讀而發展的，因此當我們需要識別對象時，使用的是相同的認知過程，」Zorizi說�！高@個生成模型方法是建立人類感知和認知模型的一個重大突破，這與神經生物學理論強調大腦中混合自下而上和自上而下的相互作用相一致�！�
無監督學習神經網絡也可能被用于各種各樣的應用中，這些應用中的數據都是未被分類且沒有標簽的。比如，該網絡可以用來在功能磁共振成像中識別人類大腦活動的特征，這對于其他技術或人類觀察者來說是不可能的。它甚至可以用來制造真正智能的智能手機，把像智能檢測，學習和決策克服日益嚴重的網絡過載問題這樣的認知能力灌輸到移動設備中。
「我們的發現證明了生成模型代表了前進中關鍵的一步。我們希望我們的工作能影響更廣泛的認知建模社區，激發其他研究者在未來的研究中去擁抱框架，」Zorzi說。
轉載請注明出處：拓步ERP資訊網http://m.lukmueng.com/
相關文章
