人類識別物體的能力非常卓越。假如你在特殊光線下看一個杯子，或者從一個意想不到的方向去看杯子，你的大腦仍然很有可能認出這是一個杯子。這種精確的物體識別能力對人工智能開發(fā)者來說是一個難以實現(xiàn)的夢想，例如那些改進自動駕駛汽車導航的開發(fā)者。

雖然在視覺皮層中建立靈長類動物物體識別模型已經(jīng)徹底改變了人工視覺識別系統(tǒng)，但是目前的深度學習系統(tǒng)相比生物系統(tǒng)已經(jīng)被簡化，并且還是難以識別一些物體，。

近日，麻省理工學院麥戈文研究所的研究員 James DiCarlo 和他的同事在 Nature Neuroscience 上發(fā)表的研究成果中提到，有證據(jù)表明，反饋可以提高靈長類動物大腦識別難識別物體的能力，添加反饋回路可以改進視覺應用中所用到的人工神經(jīng)網(wǎng)絡系統(tǒng)的性能。

圖丨人工智能和深度學習視覺識別系統(tǒng)的藝術渲染圖（來源：Christine Daniloff）

深度卷積神經(jīng)網(wǎng)絡（DCNN）是目前在快速時間尺度（小于 100 毫秒）上精確識別物體最成功的模型。它具有大體上與靈長類動物腹側視覺流、皮質(zhì)區(qū)域類似的結構，這一結構用來逐步建立所觀察的物體的精確圖像。然而，跟靈長類動物的腹側神經(jīng)系統(tǒng)相比，大多數(shù)的 DCNN 都很簡單。

“在很長一段時間里，我們都沒有獲得一個基于模型的理解。因此，這一領域是通過將視覺識別建模作為前饋過程而開始的，”麻省理工學院大腦和認知科學系的系主任DiCarlo 解釋道，“但是，我們知道，在跟物體識別相關的大腦區(qū)域中，存在著重復性解剖學連接。”

試想一下，前饋 DCNN 和視覺系統(tǒng)中首次嘗試捕捉物體信息的部分，就像一條穿過一系列車站的地鐵線，而反復出現(xiàn)的大腦網(wǎng)絡就像街道，相互連接，但又不是單向的。大腦精確識別物體只需 200 毫秒，所以這些反復出現(xiàn)的聯(lián)結是否在物體識別的關鍵步驟上起作用，目前仍不清楚。也許這些反復出現(xiàn)的聯(lián)結只是為了長時間保持視覺系統(tǒng)協(xié)調(diào)。例如，街道上的排水溝緩慢地排出水和垃圾，但是并不需要很快地將人從小鎮(zhèn)的一邊轉到另一邊。

DiCarlo 和本研究的主要作者、CBMM 的博士后 Kohitij Kar 一起，開始驗證快速識別物體過程中這些多次出現(xiàn)的結構的微妙作用是否被忽略了。

首先，作者需要確認靈長類動物大腦能詳細解碼的物體。識別物體這一過程對人工系統(tǒng)來說，充滿了挑戰(zhàn)，結果證明這很關鍵。

Kar 進一步解釋道，“我們意識到，人工智能模型實際上并不是對處理每一幅或被遮擋、或處于混亂狀態(tài)的圖像都有問題。”

作者分別讓深度學習系統(tǒng)，還有猴子和人類識別一些“有挑戰(zhàn)性的”圖片，結果靈長類動物可以很輕易地識別物體，但是前饋 DCNN 就不行。但是，當他們將合適的循環(huán)處理加入到這些 DCNN 中后，上述物體的識別突然變得輕而易舉了。

Kar 采用了空間和時間精度極高的神經(jīng)記錄方法，來確定這些圖片的處理對靈長類動物來說，是否真的如此瑣碎。值得注意的是，他們發(fā)現(xiàn)，雖然對人類大腦來說，高難度圖片的識別似乎很簡單，但是它們實際上涉及到了額外的神經(jīng)處理時間（大概是 30 毫秒），這表明循環(huán)在我們的大腦中也存在。

“計算機視覺界最近在人工神經(jīng)網(wǎng)絡上成功堆疊了越來越多的層次，并且具有循環(huán)連接的大腦結構也已經(jīng)出現(xiàn)?！盞ar 說。

心理學教授、貝克曼研究所智能系統(tǒng)主題的聯(lián)合主席、非本研究作者 Diane Beck 進一步解釋道：“由于完全前饋的深度卷積神經(jīng)系統(tǒng)現(xiàn)在非常擅長預測靈長類動物的大腦活動，這引起了人們對于反饋連接在靈長類大腦中所起到的作用的疑問。這項研究表明，反饋連接很可能在物體識別中發(fā)揮作用。”

“這對自動駕駛汽車意味著什么呢？研究表明，假如深度學習想要類比靈長類大腦，那么深度學習中物體識別所涉及的結構就需要循環(huán)組件，并且研究指出如何在下一代智能機器中使用這一程序?！?/p>

“隨著時間的變化，循環(huán)模型提供了對神經(jīng)活動和行為的預測，”Kar 說?！拔覀儸F(xiàn)在可以模擬更復雜的任務。也許有一天，這個系統(tǒng)不僅可以識別物體，比如人，還可以執(zhí)行人類大腦能夠輕松進行的認知任務，比如體會他人的情緒?！?/p>