做图像识别的人心中都会有这样一个问题：人的大脑有一个惊人的识别面孔的能力。它可以在几千分之一秒内识别一张脸，形成其所有者的第一印象，并保留记忆数十年。核心问题是：脸部的形象是如何由大脑编码的？
在我国6.1儿童节这天，纽约时报对两位加州理工学院生物学家Le Chang和Doris Y. Tsao在周四的“Cell”杂志上文章进行报道，报道称Caltech团队确切地知道面部的哪些方面触发细胞以及面部特征如何被编码。
这项研究发现，灵长类的大脑识别一张脸，是由约200个面孔神经元来编码的，一张脸如果可以分解成50个维度，则每一个面孔神经元会编码其中大约6个维度的若干参数，它们合在一起就形成了一张整体的面孔。不同的面孔由不同的参数构成，在同一个面孔神经元里形成不同的参数空间。反过来，根据这些神经元放电的活动情况，就可以解码出它们看到了怎样的一张面孔，这就意味着可以创造视觉！
Caltech团队发现，大脑的面孔细胞以优雅简单的，抽象的方式对面部的尺寸和特征做出反应。加州理工学院的团队能够创造出面孔，显示出每个面孔细胞被调整到的位置。 Caltech团队报告说，需要大约50个这样的维度来识别一张脸。这些尺寸创建了一个精神“面孔”，可以识别无数个脸部。
达特茅斯脸部识别专家布拉德·杜尚恩（Brad Duchaine）表示：“打破面孔代码肯定会是一件很大的事情。他补充说，确定灵长类动物大脑使用的尺寸来解读脸部是一个显着的进步，令人印象深刻的是，研究人员能够从神经信号重建猴子正在看的脸。
M.I.T.的神经科学家NancyKanwisher表示，描述脸部细胞是如何做出的，并预测它将如何应对新的刺激方法是一大进展。但她建议，可能需要超过50个维度来捕捉人类感知的丰富性和特定面孔的特质。
Tsao表示希望通过这次新发现来恢复对神经科学的乐观态度。因为通常意义上来讲神经网络被认为是一个黑箱，大脑更是如此。她说：“我们的论文提供了一个反例。 我们正在视觉系统的最高阶段从神经元录制，并且可以看到没有黑匣子。 我的赌注是，整个大脑都是如此。”
Title：The Code for Facial Identity in the Primate Brain
Le Chang, Doris Y. Tsao.
Primates recognize complex objects such as faces with remarkable speed and reliability. Here, we reveal the brain’s code for facial identity. Experiments in macaques demonstrate an extraordinarily simple transformation between faces and responses of cells in face patches. By formatting faces as points in a high-dimensional linear space, we discovered that each face cell’s firing rate is proportional to the projection of an incoming face stimulus onto a single axis in this space, allowing a face cell ensemble to encode the location of any face in the space. Using this code, we could precisely decode faces from neural population responses and predict neural firing rates to faces. Furthermore, this code disavows the long-standing assumption that face cells encode specific facial identities, confirmed by engineering faces with drastically different appearance that elicited identical responses in single face cells. Our work suggests that other objects could be encoded by analogous metric coordinate systems.
摘要：
灵长类动物 在识别复杂物体的时候表现优异，速度和准确性都非常高，尤其是面部识别过程。在这里，我们揭示大脑的面部识别代码。猕猴的实验表明，面部和细胞在面部斑块中的反应之间非常简单的转变。通过将面部格式化为高维线性空间中的点，我们发现每个面孔单元的点射速率与入射面刺激在该空间中的单个轴上的投影成比例，允许面部细胞集合编码任何面对空间。使用这个代码，我们可以精确地解码来自神经群体反应的面部，并将面部的神经发射速率预测出来。此外，该代码不利于面孔细胞编码特定面部特征的长期假设，由工程面部确认，具有显着不同的外观，在单面细胞中引起相同的反应。我们的工作表明，其他对象可以由类似的度量坐标系统编码。
联系客服
