雷鋒網(wǎng) AI 科技評(píng)論按：頂級(jí)期刊《Nature Neuroscience》（自然：神經(jīng)科學(xué)）近日刊登了一篇新論文，論文標(biāo)題是「Evidence that recurrent circuits are critical to the ventral stream's execution of core object recognition behavior」（證據(jù)表明循環(huán)結(jié)構(gòu)對(duì)核心物體識(shí)別行為中處理腹側(cè)神經(jīng)流的過(guò)程有關(guān)鍵影響）。論文中把動(dòng)物視覺(jué)系統(tǒng)在物體識(shí)別任務(wù)中的表現(xiàn)建模為深度學(xué)習(xí)模型，并對(duì)比真實(shí)動(dòng)物和深度學(xué)習(xí)模型的行為，嘗試進(jìn)一步推測(cè)真實(shí)動(dòng)物視覺(jué)系統(tǒng)的功能和結(jié)構(gòu)。

這類研究得到的發(fā)現(xiàn)不僅有神經(jīng)生物學(xué)意義，也可以幫助機(jī)器學(xué)習(xí)領(lǐng)域的研究人員們從其他角度理解深度神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和行為特點(diǎn)，比如，根據(jù)這篇論文中的結(jié)論，動(dòng)物視覺(jué)系統(tǒng)中的RNN結(jié)構(gòu)可以加速有挑戰(zhàn)性的圖像的識(shí)別，這種現(xiàn)象能否用來(lái)進(jìn)一步改進(jìn)人工神經(jīng)網(wǎng)絡(luò)呢？

這篇論文的作者們來(lái)自哥倫比亞大學(xué)和MIT。

論文摘要：

對(duì)動(dòng)物的研究表明，靈長(zhǎng)類動(dòng)物的視覺(jué)系統(tǒng)中有密集的循環(huán)式腹側(cè)神經(jīng)流，并最終在顳下皮層（IT Cortex）匯集，這構(gòu)成了它們的核心物體識(shí)別行為。目前對(duì)這種行為建模效果最好的模型是深度卷積神經(jīng)網(wǎng)絡(luò)（CNN），但 CNN 卻是不帶有循環(huán)結(jié)構(gòu)的。這就給研究人員們帶來(lái)了一個(gè)疑問(wèn)：如果動(dòng)物神經(jīng)系統(tǒng)追蹤的循環(huán)結(jié)構(gòu)對(duì)它們的行為如此重要，那么靈長(zhǎng)類的識(shí)別系統(tǒng)就應(yīng)當(dāng)在同時(shí)需要前饋顳下皮層響應(yīng)以及額外的循環(huán)信號(hào)處理的圖像識(shí)別任務(wù)中得到高于只有前饋的深度 CNN 網(wǎng)絡(luò)的表現(xiàn)。

在這項(xiàng)研究中，作者們首先使用行為學(xué)方法找到了數(shù)百?gòu)堖@樣的「有挑戰(zhàn)」的圖像（能體現(xiàn)出循環(huán)結(jié)構(gòu)的優(yōu)勢(shì)）。其次，借助大規(guī)模電生理學(xué)方法，作者們把其它動(dòng)物中的有足夠識(shí)別能力的物體識(shí)別方案和靈長(zhǎng)類進(jìn)行了行為學(xué)角度對(duì)比，發(fā)現(xiàn)識(shí)別有挑戰(zhàn)性的圖像時(shí)，前者的信號(hào)在顳下皮層匯集的時(shí)間要比靈長(zhǎng)類遲大約 30ms。然而深度 CNN 的行為卻很難預(yù)測(cè)這種行為學(xué)角度有顯著區(qū)別的滯后顳下皮層響應(yīng)。值得一提的是，非常深的 CNN 和淺一些的循環(huán)結(jié)構(gòu) CNN 對(duì)這些滯后響應(yīng)的預(yù)測(cè)就要好一些，這表明額外的非線性變換與循環(huán)結(jié)構(gòu)之間存在一定的功能等效性。

作者們提由此提出，循環(huán)結(jié)構(gòu)的信號(hào)通路對(duì)于快速物體識(shí)別起到了關(guān)鍵作用，這也得到了實(shí)驗(yàn)證實(shí)；除此之外，實(shí)驗(yàn)結(jié)果還為未來(lái)的循環(huán)結(jié)構(gòu)模型開(kāi)發(fā)提供了強(qiáng)有力的限定條件。

由于論文是閉源的，對(duì)于論文正文內(nèi)容我們只能介紹這么多。

論文地址：https://www.nature.com/articles/s41593-019-0392-5 

實(shí)驗(yàn)數(shù)據(jù)：https://github.com/kohitij-kar/image_metrics 

準(zhǔn)備實(shí)驗(yàn)所用代碼：http://brain-score.org/ 

雷鋒網(wǎng) AI 科技評(píng)論此前也有長(zhǎng)文介紹過(guò)神經(jīng)科學(xué)研究和人工神經(jīng)網(wǎng)絡(luò)之間的聯(lián)系，見(jiàn) 《殊途同歸還是漸行漸遠(yuǎn)？MIT神經(jīng)科學(xué)教授James DiCarlo談如何通過(guò)人類神經(jīng)理解神經(jīng)網(wǎng)絡(luò)》

雷鋒網(wǎng) AI 科技評(píng)論報(bào)道。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。