随着人工智能的发展，打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创造，一个被演习来识别人脸和其他物体的打算网络创造了一个令人惊异的类似于大脑的策略来将它们全部分类。

3月16日揭橥在《科学进展》杂志上的这一创造表明，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。

“人类大脑的办理方案是将人脸的处理与物体的处理分开，”Katharina Dobs阐明说，她在麻省理工学院认知神经科学教授Nancy Kanwisher的实验室担当博士后。
她所演习的人工网络也是如此。
“而这也是我们假设任何接管过识别人脸和对物体进行分类演习的系统会找到的办理方案，”她补充说。

\"大众这两个完备不同的系统已经找出了一个好的办理方案是什么。
而这觉得非常深刻，\公众Kanwisher说。

功能分外的大脑区域

20多年前，Kanwisher和她的同事们在大脑的颞叶中创造了一个对脸部有分外反应的小点。
这个区域被他们命名为纺锤状脸部脑区，是Kanwisher和其他人创造的专门用于特界说务的许多大脑区域之一，如检测书面笔墨、感知声乐歌曲和理解措辞。

Kanwisher说，当她探索人类大脑是如何组织的时候，她一贯对这种组织的缘故原由感到好奇。
“大脑是否真的须要分外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繁芜的机器学习，她的团队至少可以创造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，她网络了数十万张图像，用来演习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。
“我们从未见告系统，个中有些是人脸，有些是物体。
以是它基本上只是一个大任务，”Dobs说。
“它须要识别人脸的身份，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，个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样平常视觉处理机制，而末了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，但根据他们的创造，Kanwisher和Dobs说网络不一定须要一个先天的人脸处理机制来得到这种专业化。
“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形下，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：“这便是我们20多年来一贯在研究的大脑，”她说。
“为什么我们在大脑中有一个单独的人脸识别系统？这见告我，这是由于这便是优化的办理方案的样子。
”

现在，她渴望利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办法是这样的。
她说：“我们有一个新的方法来问为什么大脑因此这种办法组织的。
我们在人类大脑中看到的构造，有多少会通过演习网络来做类似的任务而自发产生？”