مجله هوش مصنوعی شهاب
زمانی که هوش مصنوعی وظیفه شناسایی بصری اشیا و چهره ها را بر عهده دارد، اجزای خاصی از شبکه خود را به تشخیص چهره – درست مانند مغز انسان – اختصاص می دهد.
به نظر می رسد مغز انسان اهمیت زیادی به چهره ها می دهد. این عضو بدن یک منطقه خاص را به شناسایی چهره افراد اختصاص می دهد و نورون های موجود در آن به قدری در کار خود خوب هستند که اکثر ما به راحتی می توانیم هزاران نفر را شناسایی کنیم. با استفاده از هوش مصنوعی، کامپیوترها اکنون می توانند چهره ها را با کارایی مشابه تشخیص دهند و دانشمندان علوم اعصاب در موسسه تحقیقات مغز مک گاورن ام آی تی (McGovern MIT) دریافته اند که یک شبکه محاسباتی که برای شناسایی چهره ها و دیگر اشیا آموزش دیده است، یک استراتژی شگفت انگیز شبیه به مغز را برای دسته بندی همه آن ها به کار می گیرد.
این یافته که ۱۶ مارس در نشریه Science Advances منتشر شد، نشان می دهد که میلیون ها سال تکامل که مدارهایی را در مغز انسان شکل داده اند، سیستم ما را برای تشخیص چهره بهینه کرده اند.
کاترینا دابز (Dobs) که این مطالعه را به عنوان پسادکتری در آزمایشگاه تحقیقاتی مک گاورن MIT رهبری کرد، توضیح می‌دهد: «راه‌حل مغز انسان جداسازی پردازش چهره‌ها از پردازش اشیا است. شبکه مصنوعی که او آموزش داد همین کار را کرد. او می افزاید: “و این همان راه حلی است که ما فرض می کنیم هر سیستمی که برای تشخیص چهره ها و دسته بندی اشیا آموزش دیده باشد، می تواند پیدا کند.”
” این دو سیستم کاملا متفاوت متوجه شده اند که راه حل خوب چیست. و این بسیار شگفت انگیز به نظر می رسد.”
مناطق خاص مغز از نظر عملکردی
بیش از ۲۰ سال پیش، کانویشر (Kanwisher) و همکارانش نقطه کوچکی را در لوب گیجگاهی مغز کشف کردند که به طور خاص به چهره ها پاسخ می دهد. این ناحیه که آن را ناحیه صورت دوکی شکل می نامند، یکی از چندین ناحیه مغزی است که کانویشر و دیگران کشف کرده اند که به وظایف خاصی مانند تشخیص کلمات نوشته شده، درک آهنگ های صوتی و درک زبان اختصاص دارد.
کانویشر می گوید همان طور که نحوه سازمان دهی مغز انسان را بررسی کرده است، همیشه در مورد دلایل آن ساختار کنجکاو بوده است. آیا مغز واقعا به ساختار خاصی برای تشخیص چهره و عملکردهای دیگر نیاز دارد؟ او می گوید: ” چرا سوالات در علم بسیار دشوار هستند؟” اما با نوع پیچیده ای از یادگیری ماشینی به نام شبکه عصبی عمیق، تیم او حداقل می توانست بفهمد که یک سیستم متفاوت چگونه از پس یک کار مشابه بر می آید.
دابز که در حال حاضر رهبر یک گروه تحقیقاتی در دانشگاه Justus Liebig Giessen آلمان است، صدها هزار تصویر را جمع آوری کرد تا با آن ها یک شبکه عصبی عمیق در تشخیص چهره و اشیا را آموزش دهد. این مجموعه شامل چهره بیش از ۱۷۰۰ فرد مختلف و صدها نوع شی مختلف، از صندلی گرفته تا چیزبرگر بود. همه اینها به شبکه ارائه شد و هیچ سرنخی در مورد آن به شبکه داده نشد.” ما هرگز به سیستم نگفتیم که برخی از آن ها چهره هستند و برخی از آن ها اشیا هستند. دابز می گوید: ” پس این کار اساسا یک کار بزرگ و مهم است و او میبایست هویت چهره و همچنین دوچرخه یا قلم را تشخیص دهد.”
همانطور که برنامه شناسایی اشیاء و چهره ها را یاد گرفت، خود را در یک شبکه پردازش اطلاعات با واحدهایی که به طور خاص به تشخیص چهره اختصاص داده شده بود، سازمان داد. مانند مغز، این تخصص در مراحل بعدی پردازش تصویر رخ داد. هم در مغز و هم در شبکه هوش مصنوعی؛ مراحل اولیه در تشخیص چهره شامل ماشین های پردازش بینایی عمومی تر است و مراحل نهایی به اجزای اختصاصی چهره متکی است.
مشخص نیست که چگونه ماشین های پردازش چهره در یک مغز در حال توسعه به وجود می آیند، اما کانویشر و دابز براساس یافته های خود می گویند که شبکه ها لزوما به یک مکانیزم ذاتی پردازش چهره برای به دست آوردن این تخصص نیاز ندارند. کانویشر می گوید: ” ما عمداً سرنخی مربوط به تشخیص چهره ها را در شبکه خود قرار ندادیم اما شبکه ها توانستند این موارد را بخوبی از هم تفکیک کنند.”
کانویشر می گوید دیدن اینکه شبکه عصبی عمیق، خود را به بخش های جداگانه ای برای تشخیص چهره و شی تفکیک می کند، هیجان انگیز است. او می گوید: ” این چیزی است که ما ۲۰ سال است در مغز به آن نگاه می کنیم. چرا ما یک سیستم جداگانه برای تشخیص چهره در مغز داریم؟ این به من می گوید که به این دلیل است که یک راه حل بهینه به نظر می رسد.”
او اکنون مشتاق است تا از شبکه های عصبی عمیق برای پرسیدن سوالات مشابه در مورد چرایی سازمان دهی دیگر عملکردهای مغز به شیوه ای که هستند، استفاده کند. او می گوید: ” ما راه جدیدی برای این سوال داریم که چرا مغز به کلی که اکنون هست سازمان دهی شده.” او می گوید: “چه مقدار از ساختاری که در مغز انسان می بینیم به طور خود به خود با آموزش شبکه ها برای انجام وظایف مشابه ایجاد می شود؟”
