研究人員發現大腦和計算機看似怪異的相似之處

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)，這是一種新發現的自然智能策略，約翰·霍普金斯大學的研究人員也在通過人工智能訓練識別視覺物體的人工智能網絡中發現了這種策略。

在新的紙張當代生物學詳細介紹了如何在V4區域的神經元，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，約翰霍普金斯大學的研究人員在高級計算機視覺網絡AlexNet的早期(第3層)中識別出了幾乎相同的人造神經元反應。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實世界中的實體3D對象。

Zanvyl Krieger思維/腦科學研究所主任，神經科學教授Ed Connor說：“我很高興看到V4早已發出清晰，清晰的3D形狀信號。” “但是我從來沒有想過在一百萬年后，您會在AlexNet中看到同樣的事情，AlexNet僅受過訓練，可以將2D照片轉換為對象標簽。”

人工智能的長期挑戰之一是復制人類的視覺。諸如AlexNet之類的深層(多層)網絡已經在對象識別方面取得了重大進展，這是基于為游戲開發的大容量圖形處理單元(GPU)和互聯網上爆炸的圖像和視頻所提供的大規模培訓集的。

Connor和他的團隊對自然和人工神經元進行了相同的圖像響應測試，并在V4和AlexNet第3層中發現了非常相似的響應模式。這解釋了Connor所說的大腦之間“怪異的對應關系”，即進化和生命的產物。學習-和AlexNet-由計算機科學家設計并受過訓練以標記物體照片?

Connor說，AlexNet和類似的深度網絡實際上是部分基于大腦中的多階段視覺網絡而設計的。他說，他們觀察到的密切相似之處可能表明將來有機會利用自然與人工智能之間的相關性。

康納說：“人工網絡是當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。”