随着人工智能的发展，计算机现在可以以类似的效率识别人脸--麻省理工学院（MIT）麦戈文脑科学研究所的神经科学家们发现，一个被训练来识别人脸和其他物体的计算网络发现了一个令人惊讶的类似于大脑的策略来将它们全部分类。
3月16日发表在《科学进展》杂志上的这一发现表明，数百万年的进化塑造了人类大脑中的电路，优化了我们的面部识别系统。
“人类大脑的解决方案是将人脸的处理与物体的处理分开，”Katharina Dobs解释说，她在麻省理工学院认知神经科学教授Nancy Kanwisher的实验室担任博士后。她所训练的人工网络也是如此。“而这也是我们假设任何接受过识别人脸和对物体进行分类训练的系统会找到的解决方案，”她补充说。
"这两个完全不同的系统已经找出了一个好的解决方案是什么。而这感觉非常深刻，"Kanwisher说。
功能特殊的大脑区域
20多年前，Kanwisher和她的同事们在大脑的颞叶中发现了一个对脸部有特殊反应的小点。这个区域被他们命名为纺锤状脸部脑区，是Kanwisher和其他人发现的专门用于特定任务的许多大脑区域之一，如检测书面文字、感知声乐歌曲和理解语言。
Kanwisher说，当她探索人类大脑是如何组织的时候，她一直对这种组织的原因感到好奇。“大脑是否真的需要特殊的机器来识别面部和其他功能？”她说：“‘为什么的问题’在科学中是非常困难的。但通过一种被称为深度神经网络的复杂的机器学习，她的团队至少可以发现不同的系统会如何处理类似的任务。”
Dobs现在是德国吉森大学的研究小组组长，她收集了数十万张图像，用来训练脸部和物体识别的深度神经网络。这些图片包括1700多个不同人的脸和数百种不同的物体。所有这些都被提交给了网络，没有任何关于哪个是哪个的线索。“我们从未告诉系统，其中有些是人脸，有些是物体。所以它基本上只是一个大任务，”Dobs说。“它需要识别人脸的身份，以及一辆自行车或一支笔。”
当程序学会识别物体和人脸时，它将自己组织成一个信息处理网络，其中包括专门用于人脸识别的单元。像大脑一样，这种专业化发生在图像处理的后期阶段。在大脑和人工网络中，面部识别的早期步骤涉及更多的一般视觉处理机制，而最后阶段则依赖面部专用的组件。
目前还不知道人脸处理机制是如何在发育中的大脑中产生的，但根据他们的发现，Kanwisher和Dobs说网络不一定需要一个先天的人脸处理机制来获得这种专业化。“我们没有在我们的网络中建立任何与脸有关的东西，”Kanwisher说。“这些网络在没有得到脸部特定的推动的情况下，设法隔离了自己。”
Kanwisher说，看到深度神经网络将自己分离成独立的部分用于脸部和物体的识别是令人激动的。她说：“这就是我们20多年来一直在研究的大脑，”她说。“为什么我们在大脑中有一个单独的人脸识别系统？这告诉我，这是因为这就是优化的解决方案的样子。”
现在，她渴望使用深度神经网络来问类似的问题，即为什么其他大脑功能的组织方式是这样的。她说：“我们有一个新的方法来问为什么大脑是以这种方式组织的。我们在人类大脑中看到的结构，有多少会通过训练网络来做类似的任务而自发产生？”
