Les réseaux d’intelligence naturelle et artificielle traitent les fragments 3D d’images visuelles de la même manière –

  • FrançaisFrançais



  • Le cerveau détecte des fragments de forme 3D (bosses, creux, arbres, sphères) aux premiers stades de la vision d’objet – une stratégie récemment découverte d’intelligence naturelle que les chercheurs de l’Université Johns Hopkins ont également trouvée dans des réseaux d’intelligence artificielle formés pour reconnaître les objets visuels.

    Un nouveau papier en Biologie actuelle détaille comment les neurones de la zone V4, la première étape spécifique à la voie de vision de l’objet du cerveau, représentent des fragments de formes 3D, et pas seulement les formes 2D utilisées pour étudier V4 depuis 40 ans. Les chercheurs de Johns Hopkins ont ensuite identifié des réponses presque identiques de neurones artificiels, à un stade précoce (couche 3) d’AlexNet, un réseau avancé de vision par ordinateur. Dans la vision naturelle et artificielle, la détection précoce de la forme 3D facilite vraisemblablement l’interprétation d’objets 3D solides dans le monde réel.

    «J’ai été surpris de voir des signaux forts et clairs pour la forme 3D dès la V4», a déclaré Ed Connor, professeur de neurosciences et directeur du Zanvyl Krieger Mind / Brain Institute. “Mais je n’aurais jamais deviné dans un million d’années que vous verriez la même chose se produire dans AlexNet, qui est uniquement formé pour traduire des photographies 2D en étiquettes d’objets.”

    L’un des défis de longue date de l’intelligence artificielle a été de reproduire la vision humaine. Les réseaux profonds (multicouches) comme AlexNet ont réalisé des gains majeurs dans la reconnaissance d’objets, basés sur des unités de traitement graphique (GPU) de grande capacité développées pour les jeux et des ensembles d’entraînement massifs alimentés par l’explosion d’images et de vidéos sur Internet.

    Connor et son équipe ont appliqué les mêmes tests de réponses d’image aux neurones naturels et artificiels et ont découvert des modèles de réponse remarquablement similaires dans V4 et AlexNet layer 3. Ce qui explique ce que Connor décrit comme une “correspondance effrayante” entre le cerveau – un produit de l’évolution et apprentissage à vie – et AlexNet – conçu par des informaticiens et formé pour étiqueter des photographies d’objets?

    AlexNet et des réseaux profonds similaires ont en fait été conçus en partie sur la base des réseaux visuels à plusieurs étages dans le cerveau, a déclaré Connor. Il a déclaré que les similitudes étroites qu’ils ont observées pourraient indiquer des opportunités futures d’exploiter les corrélations entre l’intelligence naturelle et artificielle.

    “Les réseaux artificiels sont les modèles actuels les plus prometteurs pour comprendre le cerveau. Inversement, le cerveau est la meilleure source de stratégies pour rapprocher l’intelligence artificielle de l’intelligence naturelle”, a déclaré Connor.

    Source de l’histoire:

    Matériaux fourni par Université Johns Hopkins. Remarque: le contenu peut être modifié pour le style et la longueur.

    Source

    N'oubliez pas de voter pour cet article !
    1 Star2 Stars3 Stars4 Stars5 Stars (No Ratings Yet)
    Loading...

    Laisser un commentaire

    Votre adresse de messagerie ne sera pas publiée.