Нейросеть помогла понять распознавание лиц мозгом
Известно, что человек способен определять различия визуальных стимулов, например лиц, чрезвычайно быстро - менее чем за полсекунды. Но нейронный механизм распознавания изучен недостаточно. Прошлые работы показали, что с ним связаны затылочно-височные доли мозга, однако из-за несовершенства методов (обычно для этого используют функциональную магнитно-резонансную томографию, фМРТ) погрешность измерений в этом случае могла достигать двух секунд.
Между тем обработка информации участками затылочно-височных долей протекает в первые 100 миллисекунд после предъявления стимула. В новой работе ученые из Университета Карнеги - Меллона и других вузов изучили пространственно-временные закономерности распознавания лиц с помощью магнитоэнцефалографии (МЭГ). Этот метод позволяет зафиксировать магнитную активность мозга посредством высокоточных квантовых интерферометров.
В эксперименте четырем праворуким добровольцам блоками показывали 91 лицо с двумя выражениями: радостным и нейтральным. Всего участники видели 26-28 таких блоков, а каждое лицо - четыре раза. При обнаружении лица, принадлежащего, по их мнению, одному человеку, испытуемые нажимали на кнопку. Одновременно активность их мозга измерялась с помощью МЭГ, после чего снимки сравнивались со спецификой «зрения» искусственной нейросети.
Сканирование позволило выделить две зоны мозга, активация которых говорила об узнавании: правую латеральную затылочную (rLO) долю и правую веретенообразную извилину (rFG). Сравнение с алгоритмом помогло оценить точность узнавания и время, за которое оно происходило. Так, механизм запускался спустя 50 миллисекунд, достигал первого пика между 100 и 200 миллисекундами, второго - через 250 миллисекунд и угасал на 400 миллисекунде.
По мнению ученых, рассмотренный подход является перспективным для изучения мозговых процессов, связанных не только с обработкой визуальных стимулов. Сочетание традиционных методов визуализации с компьютерными алгоритмами позволяет наблюдать механизмы работы мозга в режиме реального времени. Это особенно важно, когда речь идет о различиях на коротком (миллисекундном) временном отрезке и определении того, насколько точен результат.
