ملخص: تستكشف دراسة جديدة المجال المثير للشبكات العصبية العميقة، وهي نماذج يمكنها التعرف على الأشياء المشابهة للأنظمة الحسية البشرية، لتكتشف أن استراتيجيات التعرف الخاصة بها تختلف عن الإدراك البشري. عندما يُطلب منك توليد محفزات مشابهة لمدخل معين، غالبًا ما تنتج الشبكات صورًا وأصواتًا مشوهة أو لا يمكن التعرف عليها.
وهذا يعني أن الشبكات العصبية تطور “اختلافاتها” الفريدة، والتي تختلف تمامًا عن أنماط الإدراك الحسي البشري. يقدم هذا البحث رؤى لتقييم النماذج التي تحاكي الإدراك العاطفي البشري.
مفتاح الحقائق:
- تقوم الشبكات العصبية العميقة بتوليد صور أو أصوات لا تشبه الهدف عندما تولد محفزات مشابهة للمدخلات المحددة.
- تقوم النماذج بتطوير اختلافات فريدة تختلف عن الأنظمة الإدراكية البشرية، مما يجعلها تدرك المنبهات بشكل مختلف عن البشر.
- وباستخدام التدريب التنافسي، يمكن جعل المحفزات الناتجة عن النماذج أكثر قابلية للتعرف على البشر، حتى لو لم تكن متطابقة مع المدخلات الأصلية.
مصدر: مع
إن الأجهزة الحسية البشرية جيدة جدًا في التعرف على الأشياء التي نراها أو الكلمات التي نسمعها، حتى لو كان الشيء مقلوبًا أو يتم نطق الكلمة بصوت لم نسمعه من قبل.
يمكن تدريب النماذج الحسابية التي تسمى الشبكات العصبية العميقة على القيام بنفس الشيء، والتعرف على الكلمة بشكل صحيح بغض النظر عن لون فراء الكلب أو طبقة صوت المتحدث. ومع ذلك، وجدت دراسة جديدة أجراها علماء الأعصاب في معهد ماساتشوستس للتكنولوجيا أن هذه النماذج غالبا ما تستجيب بنفس الطريقة للصور أو الكلمات التي لا تحمل أي تشابه مع الهدف.
عندما تم استخدام هذه الشبكات العصبية لتوليد صورة أو كلمة مشابهة لمدخل طبيعي معين، أنتج معظمها صورًا أو أصواتًا لا يمكن للمراقبين البشريين التعرف عليها. ويشير هذا إلى أن هذه النماذج تطور “تنويعاتها” الخاصة بها، أي أنها تستجيب بنفس الطريقة للمحفزات ذات السمات المختلفة للغاية.
تقدم النتائج للباحثين طريقة جديدة لتقييم كيفية عكس هذه النماذج لبنية الإدراك الحسي البشري، كما يقول جوش ماكديرموت، الأستاذ المشارك في علوم الدماغ والمعرفية في معهد ماساتشوستس للتكنولوجيا وعضو في مركز أبحاث الدماغ والأدمغة التابع لمعهد ماساتشوستس للتكنولوجيا. ، العقول والآلات.
قال ماكديرموت، كبير مؤلفي الدراسة: “تُظهر هذه الورقة أنه يمكن استخدام هذه النماذج لاستخلاص إشارات غير طبيعية يمكن اكتشافها بشكل أكبر من التمثيلات الموجودة في النموذج. يجب أن تصبح هذه التجربة جزءًا من التجارب التي نستخدمها كمجال لتقييم عارضات ازياء.”
Jenelle Feather حاصلة على درجة الدكتوراه 22، وهي الآن باحثة مشاركة في مركز علم الأعصاب الحسابي التابع لمعهد فلاتيرون، وهي المؤلفة الرئيسية لورقة الوصول المفتوح التي صدرت اليوم. علم الأعصاب الطبيعي. غيوم لوكلير، طالب دراسات عليا في معهد ماساتشوستس للتكنولوجيا، وألكسندر متري، أستاذ أنظمة تصميم الإيقاع في قسم الحوسبة في معهد ماساتشوستس للتكنولوجيا، هم أيضًا مؤلفون مشاركين في هذه الورقة.
مشاعر مختلفة
في السنوات الأخيرة، قام الباحثون بتدريب شبكات عصبية عميقة يمكنها تحليل ملايين المدخلات (الأصوات أو الصور) وتعلم السمات المشتركة التي تسمح لهم بتصنيف كلمة أو كائن مستهدف بدقة مثل البشر. وتعتبر هذه النماذج حاليًا النماذج الرائدة للأنظمة الحسية البيولوجية.
عندما يقوم الجهاز الحسي البشري بهذا النوع من التصنيف، فإنه يتعلم تجاهل الميزات التي لا علاقة لها بالهوية البارزة للكائن، مثل مقدار الضوء المسلط عليه أو من أي زاوية يتم النظر إليه. وهذا ما يسمى بالثبات، مما يعني أنه يُنظر إلى الأشياء على أنها متشابهة حتى لو أظهرت اختلافات في جوانب أقل أهمية.
يقول فيذر: “الطريقة التي نفكر بها في الأنظمة الحسية هي أنها تمثل جميع مصادر التباين التي يمكن أن تحتويها الأمثلة المختلفة لنفس الشيء”. “يجب على الكائن أن يدرك أنهما متماثلان، حتى لو تم تقديمهما كإشارات حسية مختلفة تمامًا.”
وتساءل الباحثون عما إذا كانت الشبكات العصبية العميقة المدربة على أداء مهام التصنيف ستنتج اختلافات مماثلة. لمحاولة الإجابة على هذا السؤال، استخدم الباحثون هذه النماذج لإنشاء محفزات تنتج نفس نوع الاستجابة في النموذج كمثال للتحفيز المقدم للنموذج.
يطلقون على هذه المحفزات اسم “المقاييس النموذجية”، مما يعيد إحياء فكرة من الأبحاث الإدراكية الكلاسيكية حيث يمكن استخدام المحفزات التي لا يمكن تمييزها عن النظام للكشف عن متغيراته. تم تطوير مفهوم القياسات لأول مرة في دراسة الإدراك البشري لوصف الألوان التي تبدو متشابهة على الرغم من أنها تتكون من أطوال موجية مختلفة من الضوء.
ولدهشتهم، وجد الباحثون أن معظم الصور والأصوات المنتجة بهذه الطريقة لا تشبه الأمثلة المقدمة في الأصل. كانت معظم الصور عبارة عن خليط من البكسلات ذات المظهر العشوائي، وكانت الأصوات تشبه ضوضاء غير مفهومة. عندما أظهر الباحثون الصور للمراقبين البشريين، في معظم الحالات، لم يصنف البشر الصور المجمعة حسب النماذج في نفس الفئة مثل النموذج المستهدف الأصلي.
يقول فيذر: “لا يتعرف عليها البشر حقًا. فهي لا تبدو طبيعية أو تبدو طبيعية، ولا تحتوي على سمات قابلة للتفسير يمكن لأي شخص استخدامها لتصنيف كائن أو كلمة”.
تشير النتائج إلى أن النماذج المختلفة للأنظمة الإدراكية البشرية قد طورت بطريقة ما اختلافاتها الخاصة. وهذا يجعل أزواج المحفزات تشعر بنفس الشعور، حتى لو كانت النماذج مختلفة بشكل كبير من شخص لآخر.
الاختلافات الفريدة
ووجد الباحثون نفس التأثير عبر نماذج بصرية وسمعية مختلفة. ومع ذلك، طور كل من هذه النماذج اختلافاته الفريدة. عندما عُرضت أجهزة القياس من إحدى العينات على عينة أخرى، لم يتم تحديد أجهزة القياس للعينة الثانية كما كانت بالنسبة للمراقبين البشريين.
يقول ماكديرموت: “الخلاصة الرئيسية من ذلك هي أن هذه النماذج هي ما نسميه المتغيرات المميزة”. “لقد تعلموا عدم التغيير إلى هذه الأبعاد المحددة في مجال التحفيز، وهو خاص بالنموذج، لذلك لا تحتوي النماذج الأخرى على نفس الاختلافات.”
ووجد الباحثون أيضًا أنه يمكن تحفيز أدوات قياس النموذج لتكون أكثر قابلية للتعرف على البشر باستخدام نهج يسمى التدريب التنافسي. تم تطوير هذا النهج في الأصل لمكافحة قيود أخرى في نماذج التعرف على الكائنات، وهي أن إدخال تغييرات صغيرة وغير محسوسة تقريبًا على الصورة قد يؤدي إلى خطأ النموذج في التعرف عليها.
التدريب التنافسي، الذي تضمن إضافة بعض هذه الصور المعدلة قليلاً إلى بيانات التدريب، وجد الباحثون أن أجهزة القياس أنتجت أنماطًا يمكن التعرف عليها بدرجة كبيرة للبشر، حتى لو لم يكن من الممكن التعرف عليها مثل المحفزات الأصلية. ويقول الباحثون إن هذا التحسن يبدو مستقلاً عن تأثير التدريب على قدرة النماذج على مقاومة هجمات العدو.
يقول فيذر: “هذا النوع من التدريب له تأثير كبير، لكننا لا نعرف سبب وجود هذا التأثير”. “هذا مجال للبحث في المستقبل.”
يقول الباحثون إن تحليل التحولات التي تنتجها النماذج الحسابية يمكن أن يكون أداة مفيدة للمساعدة في تقييم مدى قرب النموذج الحسابي من محاكاة البنية الأساسية لأنظمة الإدراك الحسي البشرية.
يقول فيذر: “إنها تجربة سلوكية يمكنك إجراؤها على نموذج معين لمعرفة ما إذا كانت التباينات مشتركة بين النموذج والمراقبين البشريين”. “يمكن استخدامه أيضًا لتقييم مدى تميز الاختلافات في نموذج معين، مما سيساعدنا على تحديد الطرق المحتملة لتحسين نماذجنا في المستقبل.”
تمويل: تم تمويل البحث من قبل المؤسسة الوطنية للعلوم، والمعاهد الوطنية للصحة، وزمالة الدراسات العليا في العلوم الحاسوبية التابعة لوزارة الطاقة، وزمالة معهد ماكغفرن.
حول هذا الذكاء الاصطناعي وأخبار أبحاث الرأي
مؤلف: سارة ماكدونيل
مصدر: مع
اتصال: سارة ماكدونيل – معهد ماساتشوستس للتكنولوجيا
صورة: يُنسب الفيلم إلى Neuronews
البحث الأصلي: الوصول المفتوح.
“تظهر أجهزة القياس النموذجية اختلافات واضحة بين الشبكات العصبية البيولوجية والاصطناعية“جوش ماكديرموت وآخرون. علم الأعصاب الطبيعي
ملخص
تظهر أجهزة القياس النموذجية اختلافات واضحة بين الشبكات العصبية البيولوجية والاصطناعية
غالبًا ما يتم اقتراح نماذج الشبكة العصبية العميقة للأنظمة الحسية لتعلم التغييرات التمثيلية مع الاختلافات في الدماغ. وللكشف عن هذه الاختلافات، أنشأنا “مقاييس نموذجية”، حيث تتطابق المحفزات التي يتم تنشيطها داخل حالة النموذج مع المحفز الطبيعي.
لم يكن من الممكن للبشر التعرف على أجهزة القياس الخاصة بنماذج الشبكة العصبية الحديثة الخاضعة للإشراف وغير الخاضعة للإشراف للرؤية والتدقيق، عند إنشاؤها من مراحل النموذج المتأخرة، مما يشير إلى الاختلافات بين النموذج والتباين البشري. أدت التغييرات النموذجية المستهدفة إلى تحسين التعرف البشري على أدوات القياس النموذجية، ولكنها لم تقضي على التناقض العام بين النموذج البشري.
تم التنبؤ جيدًا بالتعرف البشري على أدوات قياس عينة واحدة من خلال التعرف عليها بواسطة عينات أخرى، مما يشير إلى أن العينات تحتوي على اختلافات فريدة غير تلك المطلوبة للمهمة.
يبتعد التعرف على Metamer عن كل من التعاريف التقليدية القائمة على الدماغ والتأثير السلبي، ويكشف عن وضع فشل فريد للنماذج الحسية الموجودة، ويوفر معيارًا تكميليًا لتقييم النموذج.