先進技術可能表明大腦如何學習面孔

臉部識別技術在過去五年中發展迅速。德克薩斯大學達拉斯分校的研究人員試圖確定計算機在完成任務時的表現如何與人們一樣好，他們也在闡明人腦對信息進行分類的方式。

達拉斯的UT科學家分析了最新的面部識別算法梯隊的性能，揭示了這些基于機器學習的程序令人驚訝的工作方式。他們的研究于11月12日在線發表在《自然機器智能》上，表明這些復雜的計算機程序(稱為深度卷積神經網絡(DCNN))弄清楚了如何以不同于研究人員期望的方式識別人臉。

這項研究的資深作者Alice O'Toole博士說：“在過去30年中，人們一直認為基于計算機的視覺系統會擺脫所有特定于圖像的信息-角度，照明，表情等。行為與腦科學學院的Aage和MargaretaMøller教授。“相反，算法在保留身份信息的同時保留了這些信息，這是從根本上思考問題的新方式。”

在機器學習中，計算機分析大量數據以學習識別模式，其目標是能夠以最少的人工投入做出決策。O'Toole表示，自2014年以來，機器學習在面部識別方面取得的進步“改變了一切”。

O'Toole說：“阻礙計算機視覺技術30年前的從未實現過的事情不僅變得可行，而且變得非常容易。” “問題是沒有人了解它是如何工作的。”

上一代算法可以有效地識別與他們已經知道的圖像相比僅有微小變化的面部。但是，當前的技術足夠了解身份，可以克服表情，視點或外觀的變化，例如摘下眼鏡。

O'Toole說：“這些新算法的運行方式更像您和我。” “部分