澳门太阳城网站-最新注册

  • 产生副教授乔希·麦克德莫特(左)和研究生jenelle物理上完全不同的刺激羽毛了具有相同的车型分类,而不是人类。

    产生副教授乔希·麦克德莫特(左)和研究生jenelle物理上完全不同的刺激羽毛了具有相同的车型分类,而不是人类。

    照片:贾斯汀克里斯·奈特和啤酒

    全屏

深层神经网络和人类感知之间的差异

产生副教授乔希·麦克德莫特(左)和研究生jenelle物理上完全不同的刺激羽毛了具有相同的车型分类,而不是人类。

那声音刺激或看起来像乱码人类是由深到自然刺激网络没有区别。 看视频


记者联系



当你妈叫你的名字,你知道这是她的声音 - 无论是音量,即使在一个贫穷的手机连接。当你看到她的面部,你知道这是她 - 如果她是很远,如果光线不好,或者如果你是一个坏的FaceTime通话。 ESTA鲁棒性变化是人类感知的标志。在另一方面,我们很容易受到错觉:我们可能会失败,那声音或图像来区分,其实,不同的。有科学家解释许多这些幻想的,但我们没有在我们的听觉和视觉系统的不变性的充分理解。


也有深层神经网络和图像进行语音识别任务分类凭着骄人的鲁棒性听觉或视觉刺激的变化。但在学会了不变性这些模型类似于人类的感知系统吸取了不变性?一群澳门太阳城最新网站的研究中发现,他们是不同的。他们他们的研究结果昨日在2019呈现 会议对神经信息处理系统.


研究人员所作的推广到一个经典的新概念:“条件等色” - 物理上不同的刺激产生的感知即相同的效果。条件等色体刺激的最有名的例子MOST出现,因为三种不同类型的人在其锥的视网膜,这是负责有色眼光。所感知的颜色的光的任何单一波长的,可以准确地由不同颜色的三个灯所有者组合相匹配 - 例如,红色,绿色,蓝色和灯。十九世纪的科学家们推断根据该观察,在我们的眼睛明亮的光探测器有三种不同类型的人。这是彩色的,我们都在每天盯着屏幕电子显示器的基础。在视觉系统另一个例子是,当我们固定在物体上目光投向,我们可能会在周边为相同窥探上不同的周围视觉场景。在听觉领域,可以观察到类似的东西。例如,昆虫两个群的“纹理”的声音可能是无法区分,在不同的声学尽管撰写他们的细节,因为他们有一个类似的统计聚集属性。在每种情况下,条件等色洞察知觉的机制,以及人类视觉或听觉系统的约束模型。


在目前的工作中,研究人员随机选择了自然话语的图像和声音剪辑从标准数据库,然后合成声音和图像,使深层神经网络,将它们整理到同自然同行他们的班。也就是说,在物理上不同的刺激产生它们具有完全相同的那款分类,而不是人类。这是考虑准备条件等色,推广理念,以交换计算机模型的作用,为人类知觉的新途径。因此,他们被称为自然配对的刺激,这些刺激合成“模式条件等色”。然后,研究人员测试人类是否的话可以识别和图像。


“听到参与者的讲话的短段,不得不从的话哪个词是在剪辑中间的列表中识别身份。该任务自然ESTA声音很容易,但对于许多模型条件等色人的日子不好过,认识的声音,“解释第一作者jenelle羽毛,研究生在 脑与认知科学的麻省理工大学 (BCS)和的一个构件 中心的大脑,心灵和机器 (CBMM)。也就是说,人类不会把合成的刺激在同一个班的口语单词“鸟”还是一个鸟的形象。事实上,生成以匹配模型的最深层的响应模型条件等色一般是作为字或图像由人类受试者面目全非。


约什 - 麦克德莫特,在CBMM BCS和调查副教授,使下面的情况:“基本的逻辑是,如果我们有人类感知的一个很好的模式,说语音识别的,那么如果我们选择两种声音,该模型认为是相同的,这两种声音呈现给听者,人类应该也有人说,这两个声音都是一样的。相反,如果听者感知的刺激是不同的,这是一个明显的迹象表明,在我们的模型中表示不匹配的那些人的感知“。


该模型的条件等色的例子可以在下面的视频刺激被发现。

在纸张上加入羽毛和麦克德莫特是亚历克斯杜兰戈,后学士学位的学生,雷·冈萨雷兹,研究助理,在这两个BCS。


还有另一种类型的深网络That've收到了很多的关注,在媒体的失败:对抗例子(见,例如“为什么我的分类只是误以为步枪乌龟?“。)这些是出现与人类相似,但被误判模型网络(由设计的刺激 - 他们和构造被错误分类),他们是相辅相成的由羽毛的组所产生的刺激,这声音或者出现人类不同,但。是共同设计的示范网络的网络模型的弱点暴露在敌对攻击知名分类 - 面部识别软件可能会误以为身份;自动驾驶车辆可能无法识别行人。


这项工作的重要性在于提高深之外的网络感知的模型。 ,虽然这些示例对抗性标准指明深网络和人类感知系统之间的差异,由麦克德莫特组中产生的新的刺激可以说是表示一个键多个模型失败 - 它们显示刺激即通用例子如通过深网络分类的相同产生非常不同的知觉人类。


另外,团队想出了办法来修改模型的网络,获得那名的声音和图像,以人类更合理的条件等色。作为麦克德莫特说,“这给了我们希望,我们将能够开发模型最终条件等色通过测试,并更好地捕捉人的不变性。”


“模范条件等色演示神经当今网络的显著未能在人的视觉和听觉系统相匹配的不变性,”羽说,“我们希望,这项工作将提供一个有用的行为量尺,来提高模型表示和建立更好的模型人类感觉系统“。



主题: 脑与认知科学, 中心的大脑思维和机器, 麦戈文研究所, 研究, 机器学习, 人工智能, 科学学院, 神经科学

回到顶部