Addestrare la Computer Vision a Pensare Come il Cervello Migliora le Prestazioni e la Robustezza

I ricercatori del MIT e dell'IBM hanno scoperto che l'addestramento delle reti neurali artificiali per imitare i modelli di elaborazione della corteccia visiva del cervello può migliorare significativamente i sistemi di computer vision. Incorporando i modelli di attività neurale dalla corteccia temporale inferiore (IT) del cervello, il team ha osservato migliori capacità di riconoscimento degli oggetti e una maggiore resilienza agli attacchi avversari. Questo progresso nell'allineamento della computer vision con la visione umana ha il potenziale per far progredire il campo e approfondire la nostra comprensione delle reti neurali biologiche.

Migliorare la computer vision con la somiglianza neurale

Il Professor James DiCarlo del MIT e il suo team hanno cercato di migliorare i modelli di computer vision introducendo caratteristiche simili al cervello. Hanno costruito un modello di computer vision utilizzando dati neurali raccolti dalla corteccia IT delle scimmie, una regione vitale per il riconoscimento degli oggetti. Addestrando la rete neurale artificiale a imitare il comportamento dei neuroni di elaborazione della visione dei primati, i ricercatori miravano ad allineare i processi interni del modello con i meccanismi neurali del cervello.

I risultati sono stati promettenti, poiché il modello biologicamente informato ha mostrato prestazioni migliorate nei compiti di riconoscimento degli oggetti. Lo strato IT artificiale del modello corrispondeva da vicino alle risposte dei neuroni IT biologici, anche quando presentati con immagini distorte. Le interpretazioni del modello si allineavano più strettamente con la percezione umana, dimostrando una comprensione più umana delle immagini. Questa scoperta fornisce preziose informazioni su come le informazioni visive vengono elaborate nel cervello.

Applicare l'allineamento neurale agli attacchi avversari

I sistemi di computer vision sono vulnerabili agli attacchi avversari, in cui lievi distorsioni nelle immagini possono ingannare le reti neurali artificiali. I ricercatori hanno scoperto che il modello allineato neuralmente mostrava una maggiore resistenza a questi attacchi rispetto ai modelli convenzionali. Sebbene attacchi più forti potessero ancora ingannare il modello, questo fenomeno rispecchia la percezione umana. Sono in corso ulteriori esplorazioni per comprendere i limiti della robustezza avversaria negli esseri umani.

La collaborazione tra neuroscienze e informatica si è rivelata fruttuosa, con entrambi i campi che beneficiano di conoscenze condivise. Man mano che i ricercatori di computer vision e IA acquisiscono nuovi metodi per raggiungere la robustezza, neuroscienziati e scienziati cognitivi possono sviluppare modelli meccanicistici più accurati della visione umana. Questo ciclo virtuoso favorisce il progresso e l'innovazione sia nell'intelligenza naturale che in quella artificiale.

La signora Shooter ha sottolineato la versatilità della loro soluzione, immaginando applicazioni che vanno dalla conservazione della fauna selvatica allo sviluppo di mondi virtuali. Inizialmente addestrato su cani CGI, il modello AI dimostra il potenziale di estrapolare modelli scheletrici 3D da fotografie di animali reali. Questa capacità promette vari domini, consentendo ai conservazionisti di identificare la fauna selvatica ferita e dando agli artisti il potere di creare animali più realistici negli ambienti virtuali.

Per migliorare ulteriormente i sistemi di visione artificiale, i ricercatori intendono combinare l'approccio di allineamento neurale con altre tecniche ispirate al cervello. Allineando più livelli di elaborazione visiva con i modelli di attività neurale, è possibile sviluppare nuovi modelli in grado di simulare la complessa gerarchia di elaborazione visiva del cervello. Questa integrazione tra neuroscienze e informatica promette ulteriori avanzamenti nel campo della visione artificiale.

L'integrazione delle reti neurali artificiali con tecniche ispirate al cervello ha dimostrato il potenziale di migliorare i sistemi di visione artificiale. Addestrando i modelli a pensare in modo più simile al cervello umano, i ricercatori hanno ottenuto un riconoscimento degli oggetti migliorato e una maggiore resilienza agli attacchi avversari. L'allineamento della visione artificiale con la visione umana non solo porta ad applicazioni pratiche, ma approfondisce anche la nostra comprensione dei complessi meccanismi del cervello. Questa sinergia collaborativa tra neuroscienze e informatica apre nuove strade per l'innovazione e il progresso nel campo dell'intelligenza artificiale.