Umělé neuronové sítě používané k modelování lidského vidění mohou působit podobně jako mozek, i když při zpracování obrazů využívají vnitřní postupy, které biologický nervový systém zřejmě nepoužívá. Ukázala to studie vědců z York University zveřejněná v časopise Nature Machine Intelligence.
Neurovědci už řadu let porovnávají aktivitu mozku s výstupy umělých neuronových sítí, tedy počítačových modelů inspirovaných propojením nervových buněk. Běžný postup zjišťuje, zda vnitřní reprezentace modelu dokážou předpovědět, jak budou reagovat neurony při sledování obrázků. Pokud je předpověď přesná, model se považuje za biologicky věrohodnější.
Sabine Muzellec a Kohitij Kar z York University nyní testovali také opačný směr. Vyvinuli metodu nazvanou „reverse predictivity“, česky reverzní prediktivita. Ta měří, jak dobře lze z aktivity neuronů v mozku předpovědět aktivitu jednotlivých jednotek umělé neuronové sítě. Pokud by model a mozek používaly skutečně podobné vnitřní reprezentace, měly by být výsledky v obou směrech přibližně souměrné.
Výzkumníci porovnávali řadu modelů počítačového vidění s aktivitou neuronů v dolní spánkové kůře makaků, která se podílí na rozpoznávání objektů. Testovali reakce na 1320 přirozených a realisticky vytvořených obrazů deseti kategorií, mezi nimiž byli například medvěd, slon, obličej, jablko, auto, pes nebo zebra. Dalších 300 obrázků zobrazovalo stejné objekty jako obrysy, kresby, zjednodušené tvary nebo umělecké interpretace.
Modely si vedly dobře v obvyklém testu: jejich vnitřní vlastnosti dokázaly poměrně přesně předpovídat zaznamenanou aktivitu neuronů. Opačná předpověď však byla výrazně horší. Mnohé jednotky v umělých sítích nebylo možné z mozkové aktivity spolehlivě odvodit. Výzkumníci tento výsledek označují za známku takzvaného reprezentančního nesouladu — model a mozek mohou reagovat podobně navenek, ale jejich vnitřní uspořádání se liší.
Kontrolní porovnání přitom ukázalo, že stejná asymetrie se neobjevuje při srovnání neuronální aktivity dvou různých makaků. To podle autorů podporuje výklad, že rozdíl není pouze důsledkem použité statistické metody nebo omezeného počtu zaznamenaných neuronů. Umělé sítě navíc obsahují jak jednotky odpovídající aktivitě mozku, tak jednotky, které jsou pro biologické vidění specifické jen málo nebo vůbec.
Studie neznamená, že umělé neuronové sítě nejsou pro neurovědu užitečné. Ukazuje ale, že dobrá shoda s mozkovými daty sama o sobě nestačí k tvrzení, že model vysvětluje skutečný mechanismus vidění. Autoři navrhují používat reverzní prediktivitu jako doplňkový diagnostický nástroj a podle ní upravovat další modely. Zjištění je důležité i pro výzkum lidského chování a neurologických poruch, kde by modely považované za „mozku podobné“ mohly vést k chybným závěrům, pokud jejich vnitřní strategie zůstanou odlišné.
Zdroj: ScienceDaily
Tento článek byl vytvořen s pomocí umělé inteligence a redakčně zkontrolován.