中科院DeepMind联手利用深度学习揭示大脑如何识别人脸DeepMind与中科院神经科学研究所强强联手。他们使用无监督的深度学习来揭示大脑如何识别面孔。具体来说，大脑将面部特征分解为语义特征，例如年龄、性别或您是否在微笑，并且单个神经元对应于特定特征。此外，他们建立的模型可以利用少量神经元的信号来还原整个面部图像。相关论文发表在最新一期的NatureCommunications上。该论文的共同作者是DeepMind的研究员IrinaHiggins和中国科学院神经科学研究所研究员常乐。其他与会者包括DeepMind创始人哈萨比斯和加州神经科学研究所所长曹颖。他们的实验结果表明，可以在单个神经元的尺度上理解大脑视觉。这个结果可以说是打破了以往的认知，即单个神经元在很大程度上是不可解释的，有意义的信息存在于大量神经元的交互组合中。相关领域的学者也表示会仔细研究这篇文章，因为如果问他“无监督深度学习能解释大脑的机制吗？”在看这篇文章之前，他会毫不犹豫地说“不玩了”。人工神经元与猕猴神经元有很强的对应关系。灵长类动物的大脑处理视觉信息的能力惊人，它可以在几毫秒内识别并响应所看到的复杂场景。然而，这种能力的具体机制尚未得到深入研究。中科院的常乐和加州理工学院的曹颖此前都做过猕猴视觉机制的研究，发现猕猴负责识别人脸的大脑是颞下皮层的一部分。在这次与DeepMind的合作中，他们选择了自我监督的β-VAE（βVariationalAutoencoder）来模拟大脑中负责人脸识别的模块。在将β-VAE模型的行为与猕猴的神经活动数据进行比较的过程中，研究人员发现真实神经元和人工神经元之间存在很强的一对一映射关系。这很好。虽然大脑的机制不好研究，但是VAE的原理很清楚。编码器将输入数据编码成隐藏空间中的各种特征，例如物体的大小、颜色和位置，然后由解码器进行重构。这种能力被称为“解耦”或“解缠结”，β-VAE是VAE的一种变体，具有更强的解耦能力。面部识别也是如此。从年龄、性别到更具体的眼距、眉毛粗细，都会细分为个体特征。β-VAE与猕猴神经元之间的强对应关系意味着生物大脑很可能以这种方式感知人脸。为了验证这一点，研究人员利用猕猴神经元的测量数据训练了β-VAE，并成功重建了人脸。最终，研究团队希望机器学习的最新见解能够反馈到神经科学中，并推广到人脸识别以外的任务，尤其是抽象推理或一般任务学习。作者介绍本文的共同作者和通讯作者。IrinaHiggins是DeepMind研究员，也是β-VAE模型论文的第一作者。合著者常乐是中国科学院神经科学研究所研究员。他的研究领域是结合功能性核磁共振成像、电生理记录和数学建模来研究不同种类的物体在猕猴的下颞叶皮层中是如何表征的。常乐在加州理工学院博士后期间与曹颖一起工作。自2017年以来，YingCao一直担任加州理工学院的Tianqiao和ChrissyChen脑科学研究所。//www.nature.com/articles/s41467-021-26751-5
