¿Las webs profundas “ven” tan bien como los humanos?

Un nuevo estudio realizado por el Centro de Neurociencia (CNS) del Instituto Indio de Ciencia (IISc) explora cómo las redes neuronales profundas se comparan con el cerebro humano en lo que respecta a la percepción visual.

Las redes neuronales profundas son sistemas de aprendizaje automático inspirados en la red células cerebrales o neuronas en cerebro humanoque puedes entrenar para hacer ejercicio Tareas específicas. Estas redes han jugado un papel clave para ayudar a los científicos a comprender cómo nuestro cerebro percibe las cosas que vemos. Si bien las redes profundas han evolucionado considerablemente durante la última década, todavía no están tan cerca del rendimiento como el cerebro humano en la percepción de señales visuales.

En un estudio reciente, SP Arun, profesor asociado del CNS, y su equipo compararon las diferentes propiedades cualitativas de estas redes profundas con las del cerebro humano. Las redes profundas, si bien son un buen modelo para comprender cómo el cerebro humano visualiza los objetos, funcionan de manera diferente a este último. Si bien los cálculos complejos son triviales para ellos, algunas tareas que son relativamente fáciles para los humanos pueden resultar difíciles de realizar para estas redes. En el estudio actual, publicado en Comunicaciones de la naturaleza, Arun y su equipo intentaron comprender qué tareas visuales podrían realizar estas redes de forma natural debido a su arquitectura y cuáles requerían más capacitación.

El equipo examinó 13 efectos de percepción diferentes y encontró diferencias cualitativas previamente desconocidas entre las redes profundas y el cerebro humano. Un ejemplo es el efecto Thatcher, un fenómeno en el que a las personas les resulta más fácil reconocer los cambios de características locales en una imagen vertical, pero se vuelve difícil cuando la imagen está al revés. Las redes profundas entrenadas para reconocer caras verticales mostraron el efecto Thatcher en comparación con las redes entrenadas para reconocer objetos. Otra propiedad visual del cerebro humano, llamada confusión de espejos, fue probada en estas redes. Para los humanos, las imágenes de espejo a lo largo de un eje vertical parecen más similares que los reflejos a lo largo de un eje horizontal. Los científicos encontraron que las celosías profundas también muestran más confusión de espejos en imágenes verticales en comparación con reflejos horizontales.

Otra cosa que es exclusiva del cerebro humano es que se enfoca primero en los detalles más burdos. Esto se conoce como efecto de ventaja global. Por ejemplo, en una imagen de un árbol, nuestro cerebro primero vería el árbol como un todo antes de notar los detalles de sus hojas. Del mismo modo, cuando se presenta una imagen de una cara, la gente primero mira la cara como un todo y luego se enfoca en los detalles más finos como ojos, nariz, boca, etc., explica Georgin Jacob, primer autor y estudiante de doctorado. estudiante en el CNS. “Sorprendentemente, las redes neuronales mostraron una ventaja local”, dice. Esto significa que, a diferencia del cerebro, las redes se centran primero en los detalles finos de una imagen. Por tanto, aunque estas redes neuronales y el cerebro humano realizan las mismas tareas de reconocimiento de objetos, los pasos que siguen son muy diferentes.

“Muchos estudios han encontrado similitudes entre las redes profundas y los cerebros, pero nadie ha analizado realmente las diferencias sistémicas”, dice Arun, autor principal del estudio. Identificar estas diferencias puede acercarnos a mejorar estas redes. cerebro-como.

Dichos análisis pueden ayudar a los científicos a construir redes neuronales más fuertes que no solo funcionan mejor, sino que también son resistentes a los ‘ataques adversarios’ diseñados para descarrilarlos.