幾十年來，神經科學家致力于設計計算機網絡來模擬人類的視覺能力，如認知目標，大腦在這方面精確而迅速，一瞥之間就能認出所見之物。還沒有一個計算機模型 在識別視覺目標上與靈長類動物的大腦相比。據物理學家組織網近日報道，美國麻省理工大學神經科學家的一項最新研究發現，最新一代的所謂“深度神經網絡”能 比得上靈長類動物的大腦。

這提高了人們對靈長類大腦工作原理的理解，有望開發更好的人工智能，帶來修復視覺機能障礙的新方法，相關論文發表在最近的《公共科學圖書館·計算生物學》上。

新研究指出，目前最好的網絡是紐約大學開發的一種模型，在對目標分類識別上能達到獼猴大腦的水平。論文高級作者、MIT腦與認知科學系神經科學教授詹姆斯·狄卡羅說，最新網絡的成功表明，神經科學家已相當準確地掌握了目標認知原理。“模型能預測神經反應和物體在神經叢空間的距離，概括了我們迄今最好的理解，讓我們知道那些以往神秘的腦區發生了什么。”

早在上世紀70年代，科學家就開始構建神經網絡。受大腦分級處理視覺信息的啟發，構建了視覺神經網絡模型。他們在模型中構造出多個計算層，每層執行一步數學運算。在每一層，圖像目標的表達越來越復雜，無關的信息被放到一邊。“每個元素都是非常簡單的數學式，”論文第一作者、MIT麥戈文研究所博士后查爾斯·卡迪歐說，“但千百萬這些元素結合在一起，從原始信號到用于目標識別的表達式之間就形成了極復雜的轉換。”

研究人員首先檢測了大腦的目標識別能力。他們顳下（IT）皮層和V4腦區植入了電極陣列。再把這些和深度神經網絡生成的表達進行對比，深度神經網絡由系統中每個計算元素生成的數字矩陣構成。每幅圖像會產生一個不同的數組。模型的精確性取決于能否把相似的對象歸類到相似的表達集群。

卡迪歐說，這種神經網絡最近取得的成功，取決于兩個主要因素：一是計算處理能力，尤其是圖形處理單元（GPUs）方面的巨大進步；第二是研究人員能訪問大型分類數據庫，用數據來“訓練”算法。

最初，神經網絡并不能很好地識別這些圖像，但隨著它們看的圖像越來越多，不斷發現錯誤，精簡算法，最終它們對目標物體的識別會變得越來越精確。

目前，狄卡羅實驗室打算開發其它模型，模擬圖像處理的更多方面，包括跟蹤運動、識別三維形狀，人類視覺系統中的“反饋”預測等。現有網絡只能模擬從視網膜到IT皮層的“前饋”預測，而從IT皮層返回到其余系統的連接是前饋連接的10倍。

河南億恩科技股份有限公司(www.laynepeng.cn)始創于2000年，專注服務器托管租用，是國家工信部認定的綜合電信服務運營商。億恩為近五十萬的用戶提供服務器托管、服務器租用、機柜租用、云服務器、網站建設、網站托管等網絡基礎服務，另有網總管、名片俠網絡推廣服務，使得客戶不斷的獲得更大的收益。
服務器/云主機 24小時售后服務電話：0371-60135900
虛擬主機/智能建站 24小時售后服務電話：0371-55621053
網絡版權侵權舉報電話：0371-60135995
服務熱線：0371-60135900