L’étude révèle que l’intelligence artificielle reconnaît les visages, mais pas aussi bien que le cerveau humain

Representation schématique des matrices de covariance représentationnelles (RDM), de l. a. fiabilité des DCNN, des performances comportementales et des réponses neuronales humaines. (a) Le processus de reconnaissance faciale dans DCNN comprend trois étapes. (b) Corrélations au niveau de chaque paire de couches au sein de chacune des trois paires de faces DCNN. (c) Dans l. a. tâche de classement comportemental, les travailleurs de MTurk ont ​​organisé les stimuli faciaux en fonction de l’apparence du visage, et des RDM comportementaux ont été générés en fonction des distances entre les paires de stimulus. (d) Les individuals humains ont regardé des vidéos faciales dans un scanner IRMf et leurs réponses cérébrales ont été enregistrées. Pour chaque région du cerveau (projecteur), les réponses de plusieurs pics dans l. a. région formaient un motif spatial, et le vecteur de motif résultant était considéré comme l. a. représentation neuronale du phase du visage pour cette région du cerveau. crédit: Actes de l’Académie nationale des sciences (2023). est ce que je: 10.1073/pnas.2304085120

Los angeles technologie de reconnaissance faciale imite et peut dépasser les performances humaines. Son utilisation avec des caméras pour l. a. reconnaissance en temps réel est de plus en plus courante, comme le déverrouillage d’un smartphone ou d’un ordinateur transportable, l. a. connexion à une software de réseau social et l’enregistrement dans un aéroport.

Les réseaux neuronaux convolutifs profonds, également connus sous le nom de DCNN, sont un élément essentiel de l’intelligence artificielle pour identifier les pictures visuelles, y compris les pictures de visages. Le nom et l. a. construction sont inspirés de l’organisation des voies visuelles du cerveau, une construction multicouche avec une complexité progressivement croissante à chaque couche.

Les premières couches traitent des fonctions simples telles que l. a. couleur et les bords de l’symbol, et l. a. complexité augmente progressivement jusqu’à ce que les dernières couches effectuent l. a. reconnaissance faciale.

Avec l’intelligence artificielle, l. a. query cruciale est de savoir si les DCNN peuvent aider à expliquer le comportement humain et les mécanismes cérébraux pour des fonctions complexes, telles que l. a. belief des visages, l. a. belief des scènes et le langage.

Dans une étude récente publiée dans Actes de l’Académie nationale des sciencesUne équipe de recherche de Dartmouth, en collaboration avec l’Université de Bologne, a étudié si les DCNN pouvaient modéliser le traitement du visage chez l’homme. Les résultats montrent que l’IA n’est pas un bon modèle pour comprendre remark le cerveau traite les visages en mouvement avec des expressions changeantes automotive, à l’heure actuelle, l’IA est conçue pour reconnaître des pictures statiques.

“Les scientifiques tentent d’utiliser les réseaux neuronaux profonds comme outil pour comprendre le cerveau, mais nos résultats montrent que cet outil est très différent du cerveau, du moins pour l’rapid”, explique le co-auteur important Jiahui Guo, chercheur postdoctoral à l’UCLA. . Département des sciences psychologiques et cérébrales.

Jiahui Guo, à gauche, et Feilong Ma, co-auteurs principaux et boursiers postdoctoraux en sciences psychologiques et du cerveau. Crédit : Robert Gale

Contrairement à l. a. plupart des études précédentes, cette étude a testé les DCNN en utilisant des vidéos de visages représentant diverses races, âges et expressions, se déplaçant naturellement, plutôt qu’en utilisant des pictures statiques comme des photographies de visages.

Pour tester à quel level les mécanismes de reconnaissance faciale sont similaires chez les DCNN et chez les humains, les chercheurs ont analysé des clips vidéo à l’aide de DCNN modernes et ont examiné remark ils étaient traités par les humains à l’aide d’un scanner IRM fonctionnel qui enregistrait l’activité cérébrale des individuals. . Ils ont également étudié le comportement des individuals lors de tâches de reconnaissance faciale.

L’équipe a découvert que les représentations des visages dans le cerveau étaient largement similaires entre les individuals et que les codes neuronaux artificiels pour les visages de l’IA étaient largement similaires dans les différents DCNN. Mais les corrélations entre l’activité cérébrale et les DCNN étaient faibles. Seule une petite partie des informations codées dans le cerveau est capturée par les DCNN, ce qui suggère que ces réseaux neuronaux artificiels, dans leur état actuel, fournissent un modèle inadéquat de l. a. manière dont le cerveau humain traite les visages dynamiques.

“Les informations uniques codées dans le cerveau peuvent être liées au traitement dynamique de l’data et à des processus cognitifs de haut niveau tels que l. a. mémoire et l’consideration”, explique le co-auteur important Feilong Ma, chercheur postdoctoral en sciences psychologiques et du cerveau.

En traitant un visage, les gens déterminent non seulement si un visage est différent d’un autre, mais en déduisent également d’autres informations telles que leur état d’esprit et si cette personne est amicale ou digne de confiance. En revanche, les DCNN actuels sont uniquement conçus pour l. a. reconnaissance faciale.

“Lorsque vous regardez un visage, vous obtenez beaucoup d’informations sur cette personne, y compris ce qu’elle pourrait penser, remark elle pourrait se sentir et quel style d’impact elle essaie de faire”, explique le co-auteur James Haxby. Professeur au Département des sciences psychologiques et du cerveau et ancien directeur du Centre de neurosciences cognitives. “Il existe de nombreux processus cognitifs qui vous permettent d’acquérir des informations sur d’autres personnes qui sont essentielles à l’interplay sociale.”

“Avec l’intelligence artificielle, une fois qu’un réseau neuronal profond détermine si un visage est différent d’un autre visage, c’est l. a. fin de l’histoire”, explique l. a. co-auteure Maria Ida Gobini, professeure agrégée au département des sciences médicales et chirurgicales de l’université. Bologne. “Mais pour les humains, reconnaître l’identité d’une personne n’est qu’un début, automotive d’autres processus mentaux sont déclenchés, ce que l’IA ne possède pas actuellement.”

“Si les développeurs veulent que les réseaux d’IA reflètent plus précisément l. a. façon dont le traitement des visages se produit dans le cerveau humain, ils doivent créer des algorithmes qui s’appuient sur des stimuli réels tels que des visages dynamiques dans des vidéos plutôt que sur des pictures statiques”, explique Guo.

Plus d’data:
Guo Jiahui et al., Modélisation du traitement naturel du visage chez l’homme à l’aide de réseaux neuronaux à convolution profonde, Actes de l’Académie nationale des sciences (2023). est ce que je: 10.1073/pnas.2304085120

Fourni par le Dartmouth Faculty

l. a. quotation: Une étude révèle que l’IA reconnaît les visages mais pas aussi bien que le cerveau humain (13 novembre 2023) Récupéré le 14 novembre 2023 sur

Ce record est soumis au droit d’auteur. Nonobstant toute utilisation équitable à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans autorisation écrite. Le contenu est fourni à titre informatif uniquement.