Correspondencia entre representaciones en cortezas visuales y redes neuronales

El estudio reportó propiedades similares entre redes neuronales profundas para predecir la atención y la corteza visual primaria (V1) de primates. Crédito: Nobuhiko Wagatsuma

Un grupo de investigación dirigido por Nobuhiko Wagatsuma, profesor de la Universidad de Toho, Akinori Hidaka, profesor asociado de la Universidad Denki de Tokio, e Hiroshi Tamura, profesor asociado de la Universidad de Osaka, descubrió que la estructura de la red neuronal de la predicción de la atención, basado en el aprendizaje profundo utilizado en el desarrollo de la inteligencia artificial, tiene características similares al mecanismo cerebral de los primates.

Este descubrimiento fue posible al aplicar el método de investigación para la comparación de la actividad cerebral entre monos y humanos a redes neuronales artificiales. Este hallazgo podría ser útil no solo para comprender el mecanismo cortical de la selección atencional, sino también para desarrollar la inteligencia artificial.

Las redes neuronales profundas (DNN), que se utilizan en el desarrollo de la inteligencia artificial, son modelos matemáticos para obtener mecanismos apropiados para resolver problemas específicos a partir del entrenamiento con un conjunto de datos a gran escala. Sin embargo, aún no se han aclarado los mecanismos detallados que subyacen a las DNN a través de este proceso de aprendizaje.

Un grupo de investigación dirigido por Nobuhiko Wagatsuma, profesor de la Facultad de Ciencias de la Universidad de Toho, Akinori Hidaka, profesor asociado de la Facultad de Ciencias e Ingeniería de la Universidad Denki de Tokio, y Hiroshi Tamura, Profesor Asociado de la Escuela de Graduados de Biociencias Fronterizas de la Universidad de Osaka, encontraron que las características de las respuestas en las DNN para predecir la atención en la ubicación más importante en las imágenes eran consistentes con las de la representación neural en la corteza visual primaria (V1) de los primates. El descubrimiento fue posible al aplicar el método de análisis diseñado para comparar las características de la actividad neuronal en monos con la de los humanos a las DNN.

El resultado de este estudio proporciona información importante sobre el mecanismo neuronal de la atención. Además, la aplicación del mecanismo atencional en los primates, incluidos los humanos, puede acelerar el desarrollo de la inteligencia artificial.

Puntos clave:

• La correspondencia entre las cortezas visuales de los primates y las neuronas profundas. redes neuronales se ha revelado al aplicar el método de investigación para comparar la actividad neuronal entre diferentes especies, como humanos y monos, a redes neuronales artificiales.
• Recientemente, las redes neuronales profundas se utilizan como los principales métodos para desarrollar redes neuronales artificiales. inteligencia. Wagatsuma et al. han informado las propiedades similares entre las redes neuronales profundas para predecir la atención y la corteza visual primaria (V1) de los primates. Además, sus hallazgos implicaron que el mecanismo de las redes neuronales profundas para la predicción de la atención podría ser distinto del de la clasificación de objetos como VGG 16.
• La atención es una función que nos permite prestar atención a la información más importante en el momento, que es la palabra clave más crítica en el desarrollo reciente de la inteligencia artificial. Los resultados de esta investigación podrían proporcionar contribuciones no solo para comprender los mecanismos neuronales para la selección de atención de primates, incluidos los humanos, sino también para desarrollar inteligencia artificial.

Explorar más

Aprendizaje por refuerzo profundo la arquitectura combina habilidades previamente aprendidas para crear nuevos conjuntos de habilidades sobre la marcha representaciones de imágenes naturales, eNeuro (2020). DOI: 10.1523/ENEURO.0200-20.2020 Proporcionado por la Universidad de Toho Cita: Correspondencia entre representaciones en cortezas visuales y redes neuronales (8 de febrero de 2021) recuperado el 30 de agosto de 2022 de https://medicalxpress.com/ news/2021-02-correspondence-representations-visual-cortices-neural.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.