3b-international.com
Gesichtserkennung nicht so komplex wie bisher angenommen
Gesichtserkennung hat Wissenschaftler seit Generationen verblüfft. Wie kann das menschliche Gehirn so viele einzelne Gesichter mit so viel Leichtigkeit in Erinnerung bringen? Eine Studie veröffentlicht diese Woche in der Zeitschrift Zelle findet, dass Gesichtserkennung tatsächlich viel einfacher ist als wir dachten.
Breaking Research entschlüsselt die Geheimnisse der Gesichtswahrnehmung.
Wenn wir eine Auswahl von Gesichtern betrachten, können unsere Gehirne die vertrauten ohne jede Anstrengung herausgreifen. Dieser reibungslose Prozess kommt so natürlich vor, dass die meisten Menschen niemals darüber nachdenken.
Aber jemand, der diesem Phänomen einen zweiten Gedanken gibt, ist Doris Tsao, Professorin für Biologie und Bioingenieurwesen am California Institute of Technology in Pasadena.
In den letzten Jahren hat Prof. Tsao eine Reihe von Experimenten durchgeführt, bei denen versucht wurde, der Wahrnehmung des Gesichts auf den Grund zu gehen.
In früheren Studien nutzten Prof. Tsao und ihre Kollegen funktionelle MRT-Scans, um nach relevanten Hirnarealen bei Menschen und anderen Primaten zu suchen.
Konkret fanden sie sechs Regionen, die für die Identifizierung von Gesichtern verantwortlich sind. Diese Regionen, die als Gesichtsfelder bezeichnet werden, sind in dem inferioren temporalen (IT) Kortex untergebracht, bei dem es sich um einen Bereich handelt, von dem bekannt ist, dass er an der visuellen Verarbeitung beteiligt ist.
Gesichtsflecken und Gesichtszellen
Jeder der sechs Patches ist mit Neuronen gefüllt, die im Vergleich zu anderen Objekten besonders stark feuern, wenn sie mit Gesichtern dargestellt werden. Prof. Tsao und Team nennen diese Neuronen "Gesichtszellen". Sie zeigten auch, dass die künstliche Stimulation dieser Gesichtszellen bei Makaken die Wahrnehmung von Gesichtern viel stärker beeinträchtigte als bei anderen Objekten.
Frühere Theorien besagen, dass jede der Zellen in diesen Hirnregionen ein spezifisches Gesicht darstellt. Dies ist jedoch nicht wahr. "Sie könnten 6 Milliarden Menschen erkennen, aber Sie haben nicht 6 Milliarden Gesichtszellen im IT-Kortex", erklärt Prof. Tsao. "Es musste eine andere Lösung geben."
In der aktuellen Studie vertieften Prof. Tsao und der Postdoktorand Steven Le Chang die Funktion von Gesichtszellen. Sie zeigten, dass jede Zelle eine bestimmte Achse im multidimensionalen Raum darstellt, die die Forscher als "Gesichtsraum" bezeichnen.
Ähnlich wie Rot, Blau und Grün, um jede Farbe zu erzeugen, können diese Achsen kombiniert werden, um jedes mögliche Gesicht zu erzeugen.
Das Team begann damit, "einen 50-dimensionalen Raum zu entwerfen, der alle Gesichter repräsentieren könnte". Die Hälfte der Dimensionen wurde der Gesichtsform zugewiesen, z. B. der Abstand zwischen den Augen, und die anderen 25 wurden anderen Merkmalen zugewiesen, einschließlich Textur und Hautton.
Sie benutzten den Makaken als Modell. Durch Einführen von Elektroden in die Gesichtsfelder konnten sie die Aktivität von Einzelgesichtszellen aufzeichnen. Jedes Gesicht, das dem Makaken präsentiert wurde, löste eine proportionale Reaktion in den Gesichtszellen aus, abhängig von den Unterschieden in einer einzelnen Achse.
Decodierung des Algorithmus
Darauf aufbauend entwarf das Team einen Algorithmus, der Gesichter allein aus den neuronalen Antworten entschlüsseln kann. Mit anderen Worten, durch die einfache Messung der Aktivität dieser Gesichtszellen konnten die Wissenschaftler eine Darstellung des Gesichts erzeugen, das der Affe betrachtete. Wenn die vom Algorithmus erzeugten Bilder mit den tatsächlichen Bildern verglichen wurden, waren sie nahezu identisch.
Vielleicht war es überraschend, dass die Signale von etwas mehr als 200 Neuronen innerhalb von nur zwei Gesichtsfeldern ausreichend waren, um die Gesichter zu rekonstruieren. Es gab 106 Zellen in einem Gesichtsfeld und 99 in dem anderen.
"Die Leute sagen immer, ein Bild sagt mehr als tausend Worte. Aber ich möchte sagen, dass ein Bild eines Gesichts ungefähr 200 Neuronen wert ist."
Prof. Doris Tsao
Der letzte Nagel im Sarg der Ein-Neuron-One-Face-Theorie wurde im letzten Teil der Studie fertiggestellt. Prof. Tsao und Chang fanden heraus, dass eine Reihe sehr unterschiedlich aussehender Gesichter dazu führen können, dass eine individuelle Gesichtszelle "genau so feuert".
Es war ein unerwarteter Befund, wie Prof. Tsao sagt: "Das war total schockierend für uns, wir hatten immer gedacht, dass Gesichtszellen komplexer sind. Aber es stellt sich heraus, dass jede Gesichtszelle nur die Entfernung entlang einer einzigen Achse des Gesichtsraums misst ist blind für andere Funktionen. "
Obwohl es eine Reihe von Schritten zwischen dem Sehen eines Bildes und der Reaktion der Gesichtszellen gibt, können die Grundlagen der Gesichtserkennung überraschend einfach sein. Diese Ergebnisse gelten möglicherweise nicht nur für die Gesichtserkennung. Stattdessen "schlägt diese Arbeit vor, dass andere Objekte mit ähnlich einfachen Koordinatensystemen kodiert werden könnten", erklärt Prof. Tsao.
Dieses Wissen könnte die Entwicklung innovativer Anwendungen für künstliche Intelligenz anregen. Prof. Tsao fügt hinzu: "Dies könnte neue Algorithmen für das maschinelle Lernen zur Erkennung von Gesichtern inspirieren. Außerdem könnte unser Ansatz dazu verwendet werden, herauszufinden, wie Einheiten in tiefen Netzwerken andere Dinge wie Objekte und Sätze kodieren."
Erfahren Sie mehr über die Wahrnehmung des Gesichts und wie es die menschliche Erfahrung gestaltet.
FDA genehmigt Medikament, um das Risiko einer HIV-Infektion zu reduzieren
Die US-amerikanische Gesundheitsbehörde FDA (Food and Drug Administration) hat am Montag die Zulassung von Truvada zur Reduzierung des Infektionsrisikos durch sexuell übertragbare HIV-1 bei Erwachsenen bekannt gegeben. Dies ist das erste Medikament, das die FDA für nicht infizierte Erwachsene mit einem hohen Risiko der HIV-Übertragung durch Sex angegeben hat. HIV-1 ist die häufigste Form des Human Immunodeficiency Virus (HIV), dem Virus, das das erworbene Immunschwächesyndrom (AIDS) verursacht.
Fettarm, Low-Glykämie und Low-Carb Diäten im Vergleich
Eine fettarme Ernährung kann Menschen mit dem höchsten Risiko für die Gewichtszunahme konfrontieren, da sie den Energieverbrauch und den Gesamtenergieverbrauch mehr senkt als andere Diäten, wie eine Diät mit niedrigem glykämischen Index und eine Diät mit sehr wenig Kohlenhydraten. Ein Team von Forschern aus dem Children's Hospital Boston veröffentlichte ihre Voruntersuchungen in JAMA, während sie die Auswirkungen auf den Energieverbrauch und die Komponenten des metabolischen Syndroms dieser drei üblichen Diäten untersuchten.
