Исследователи из Университета Бен-Гуриона с коллегами применили ИИ-моделирование, чтобы понять, какие вычисления совершает человеческий мозг и какие модели наиболее точно реализуют эти процессы.

И современные нейросети, и люди способны успешно распознавать объекты, но стандартные тесты, которые хорошо демонстрируют результаты, не позволяют точно оценить, какие вычислительные процессы выполняет мозг, а какие – ИИ-модель, и решить, насколько похожи эти процессы.

Чтобы решить эту задачу, ученые создали серию изображений, которые заставляют различные компьютерные модели давать противоположные прогнозы и ошибаться. Демонстрируя такие "спорные" картинки людям, исследователи могут проверить, предсказания каких моделей более точно совпадают с реальной реакцией человека. Работа опубликована в журнале Nature Reviews Neuroscience.

Соавтор работы Таль Голан из Университета Бен-Гуриона объясняет суть эксперимента: "Мы сделали изображение, которое для одной модели выглядело как 7, а для другой – как 3. А потом попросили людей, рассказать что они видят. Поскольку в данном случае большинство испытуемых увидело 7, мы можем сделать вывод, что та модель, которая тоже видит 7 – точнее реализует человеческое восприятие".

Быстрая классификация признаков позволяет нашему зрению за доли секунды уловить базовые детали предмета – например, углы и линии – и сделать первое грубое предположение о том, что находится перед нами. Но модели, основанные только на таком поиске ключевых признаков, не смогли объяснить, как люди воспринимают спорные и неоднозначные изображения.

Оказалось, что мозг кроме классификации признаков, задействует еще и генеративный подход: он строит предполагаемую модель объекта (например, представление о том, как в целом может выглядеть цифра 7). Сочетание обоих механизмов позволяет зрительной системе работать максимально эффективно – быстро распознавать объекты и одновременно точнее интерпретировать сложную или неполную визуальную информацию. Это умеют не все модели.

Подход, предложенный учеными, позволяет выявить наиболее "человечно" работающие системы распознавания и с их помощью исследовать вычислительные процессы в живом мозге. Подобные тесты открывают новые перспективы для глубокого изучения когнитивных способностей человека и создания более совершенных ИИ-моделей.