神经科学家设计模型以模拟人类视觉学习

通过编程计算机基于人工智能（AI）使用更快的技术来学习新对象，AI开始更像人类智能。这是两位神经科学家设计了一个模型来模拟人类视觉学习的结果。

吉奥尔格敦大学医学中心的神经科学教授马克西米利安·里森胡伯（Maximillian Riesenhuber）和加州大学伯克利分校的博士后研究员约书亚·鲁尔（Joshua Rule）进行的研究发表在《计算神经科学前沿》（Frontiers in Computational Neuroscience）杂志上。

AI 学习新视觉概念

神经科学家们展示了新的方法如何提高 AI 软件快速学习新视觉概念的能力。

“我们的模型提供了一种生物学上可行的方法，用于人工神经网络从少量示例中学习新视觉概念，”里森胡伯说。“我们可以通过利用先前的学习来使计算机更好地从少量示例中学习，我们认为这与大脑的工作方式相似。”

人类能够从少量数据中快速、准确地学习新视觉概念。我们从很小的年龄就具备了这种能力，甚至只有三个月大。然而，计算机需要许多相同物体的示例才能最终知道它是什么。

“大脑层次的计算能力在于简化学习的潜力，通过利用一个充满概念的数据库，里森胡伯说。”

人工神经网络与人类视觉系统

里森胡伯和鲁尔发现，人工神经网络可以更快地学习新视觉概念，接近人类的水平。

“与其用低级视觉特征来学习高级概念，我们的方法用其他高级概念来解释它们，”鲁尔说。“这就像说，鸭嘴兽看起来有点像鸭子、海狸和海獭。”

人类视觉概念学习严重依赖于物体识别过程中涉及的神经网络，脑的前颞叶被认为具有超越形状的概念表示能力。由于这些视觉识别中的神经层次结构如此复杂，人类可以学习新任务并利用先前的学习。

“通过重用这些概念，你可以更容易地学习新概念、新含义，例如，斑马只是马的不同条纹，”里森胡伯说。

AI 尚未达到与人类视觉系统相同的水平，后者具有从少量示例中泛化、处理图像变化和理解场景的优越能力。然而，进步正在使其更接近。

“我们的发现不仅表明了可以帮助计算机更快速、更高效地学习的技术，还可以带来改进的神经科学实验，以了解人们如何如此快速地学习，这尚未被充分理解，”里森胡伯说。