大腦在物體視覺的開始階段就檢測出3D形狀的碎片(凹凸，空心，軸，球體)，這是一種新發(fā)現(xiàn)的自然智能策略，約翰·霍普金斯大學(xué)的研究人員也在通過人工智能訓(xùn)練識(shí)別視覺物體的人工智能網(wǎng)絡(luò)中發(fā)現(xiàn)了這種策略。

在新的紙張當(dāng)代生物學(xué)詳細(xì)介紹了如何在V4區(qū)域的神經(jīng)元，在第一階段具體到大腦的對象視覺通路，代表3-d形狀的片段，而不僅僅是2-d形狀用于研究V4在過去的40年。然后，約翰霍普金斯大學(xué)的研究人員在高級計(jì)算機(jī)視覺網(wǎng)絡(luò)AlexNet的早期(第3層)中識(shí)別出了幾乎相同的人造神經(jīng)元反應(yīng)。在自然和人工視覺中，對3D形狀的早期檢測都可能有助于解釋現(xiàn)實(shí)世界中的實(shí)體3D對象。

Zanvyl Krieger思維/腦科學(xué)研究所主任，神經(jīng)科學(xué)教授Ed Connor說：“我很高興看到V4早已發(fā)出清晰，清晰的3D形狀信號。” “但是我從來沒有想過在一百萬年后，您會(huì)在AlexNet中看到同樣的事情，AlexNet僅受過訓(xùn)練，可以將2D照片轉(zhuǎn)換為對象標(biāo)簽。”

人工智能的長期挑戰(zhàn)之一是復(fù)制人類的視覺。諸如AlexNet之類的深層(多層)網(wǎng)絡(luò)已經(jīng)在對象識(shí)別方面取得了重大進(jìn)展，這是基于為游戲開發(fā)的大容量圖形處理單元(GPU)和互聯(lián)網(wǎng)上爆炸的圖像和視頻所提供的大規(guī)模培訓(xùn)集的。

Connor和他的團(tuán)隊(duì)對自然和人工神經(jīng)元進(jìn)行了相同的圖像響應(yīng)測試，并在V4和AlexNet第3層中發(fā)現(xiàn)了非常相似的響應(yīng)模式。這解釋了Connor所說的大腦之間“怪異的對應(yīng)關(guān)系”，即進(jìn)化和生命的產(chǎn)物。學(xué)習(xí)-和AlexNet-由計(jì)算機(jī)科學(xué)家設(shè)計(jì)并受過訓(xùn)練以標(biāo)記物體照片?

Connor說，AlexNet和類似的深度網(wǎng)絡(luò)實(shí)際上是部分基于大腦中的多階段視覺網(wǎng)絡(luò)而設(shè)計(jì)的。他說，他們觀察到的密切相似之處可能表明將來有機(jī)會(huì)利用自然與人工智能之間的相關(guān)性。

康納說：“人工網(wǎng)絡(luò)是當(dāng)前最有前途的理解大腦的模型。相反，大腦是使人工智能更接近自然智能的最佳策略來源。”