神经网络无需计数即可了解数字

时间:2017-06-03 06:08:33166网络整理admin

作者:Celeste Biever一个人工大脑已经教会自己估计图像中的物体数量而不实际计算它们,模仿一些动物(包括狮子和鱼)以及人类所显示的能力由于该模型没有预先编程具有数字能力,因此该壮举表明该技能是由于一般的学习过程而不是数字特定的机制而出现的 “它首先回答了如何在没有教授任何关于数字的问题的情况下出现的问题,”负责这项工作的意大利帕多瓦大学的Marco Zorzi说这一发现也可以帮助我们理解计算障碍 - 人们发现几乎不可能获得基本的数字和算术技能 - 并增强机器人和计算机视觉所涉及的技能被称为近似数字感对ANS的简单测试包括在页面上查看两组点,并直观地知道哪些点有更多点,即使您没有计算它们鱼使用ANS来挑选更大,更安全的浅滩游泳为了研究ANS,Zorzi和同事Ivilin Stoianov使用了一个计算机化的神经网络,它响应图像并根据它从中推导出的规则生成新的“幻想”原始图像该软件模拟了一个类似视网膜的神经元层,它响应原始像素而激发,加上两个更深层,基于来自上层的信号进行更复杂的处理该对网络馈送了51,800个图像,每个图像包含多达32个不同大小的矩形为了响应每个图像,程序增强或削弱了神经元之间的连接,使其图像生成模型通过它刚刚“看到”的模式进行了细化 Zorzi将其比作“学习如何形象化它刚刚经历的东西”婴儿在没有被教授的情况下展示ANS,因此网络没有预先编程为“数量”的概念但是当Zorzi和Stoianov观察网络的行为时,他们发现最深层的神经元子集随着图像中对象数量的减少而更频繁地发射这表明网络已经学会估计每个图像中的对象数量,作为其生成图像规则的一部分这种行为与物体的总表面积无关,强调神经元正在检测数量更重要的是,这些射击模式遵循猴子顶叶皮层内神经元所显示的趋势该区域涉及数字知识,表明该模型可能反映了真正的大脑是如何工作的为了确定这些模式是否会引起ANS,该对创建了第二个程序,并为其提供了第一个程序中数字检测神经元的激发模式他们还向其提供关于与每个发射模式相关联的对象的数量是大于还是小于参考数量的信息通过这种方式训练,模型可以估计新图像是否包含比给定数量的对象更多或更少的图像(Nature Neuroscience,DOI:10.1038 / nn.2996)伦敦大学学院研究数学认知的Brian Butterworth表示,