人類大腦：宇宙最強CPU

:0:0

大腦能非常快速地識別複雜的事物，區分其種類。例如，不管字母A的外形、質地和背景怎樣，或者不管同事的頭上戴着帽子還是變了髮型，我們總能認出來。我們也能根據事物露出的一部分，比如床的一角或門的鉸鏈，來認出它們。這到底是怎麼實現的呢？人類是不是使...大腦能非常快速地識別複雜的事物，區分其種類。例如，不管字母A的外形、質地和背景怎樣，或者不管同事的頭上戴着帽子還是變了髮型，我們總能認出來。我們也能根據事物露出的一部分，比如床的一角或門的鉸鏈，來認出它們。這到底是怎麼實現的呢？人類是不是使用了特別簡單的技巧來完成這些複雜的任務？這些技巧是不是能用來改善計算機視覺，提高機器學習能力或機械人性能呢？

喬治亞理工學院的研究人員發現，人類能使用不到百分之一的原始信息來給數據分類，他們還確認了一種能夠解釋人類學習行為的算法，這種方法也能用於提升機器學習能力、數據分析和改善計算機視覺。
「我們怎麼能夠感知我們周圍的這麼多數據呢？怎麼就能區分這麼多種類型，這麼快速，這麼篤定？」喬治亞理工大學計算機科學的特聘教授桑托什·萬帕拉說，「人類那麼做的基礎是什麼？這是一個計算問題。」
該大學負責研究人類行為的研究人員做了「隨機投影」試驗，來理解人類的學習行為。他們把原始的抽象圖像呈現給測試對象，然後詢問他們是否能夠識別出那些只顯露一小部分特徵的圖像。
「我們假定隨機投影是人類學習的一種方式，」阿里亞加說。他是資深科學家和發展心理學家。他解釋說：「最簡潔的答案是，預測可能總是對的。只要給人類百分之零點一五的數據，人類就能做到準確預測。」
接着，研究人員測試了一個計算機算法，讓機器（非常簡單的神經網絡）計算同樣的測驗。機器的表現跟人類一樣。「我們發現，人類和機器的神經網絡非常相似。」
科研人員想找出一個數學定義，找出典型和非典型的公式，然後，據此預測出對人類和機器學習來說最困難的那種數據。人類和機器的表現差不多，這表明隨着時間的過去，人們將能預測出最難獲悉的數據。
這個研究成果刊登在《神經計算雜誌》上，被認為是對「隨機投影」的首次研究。
為了測試他們的理論，研究人員做了三組150X150像素的抽象圖像，然後把那些圖像縮小到最小的隨機投影。被測試人員看到所有圖像的時間是10秒鐘，然後會隨意給出某一個圖像的16張草圖。使用抽象圖像的目的是，確保人類和機器都不會提前獲得該測試物的相關知識。
「我們驚奇地發現，簡單的神經網絡和人類的表現是如此接近，」萬帕拉說，「通過研究人類學習模式，我們發現機器神經網絡的設計太了不起了，不過它還很薄弱。發現它跟人類的行為匹配，真是太讓人驚訝了！那是一種幾何學、機器神經計算和機器學習能力的創造性組合！」
雖然研究人員不能明確聲稱人類大腦的識別能力就是隨機投影，但是研究結果隨機投影看起來是個有道理的解釋。另外，隨機投影是使數據不必丟失主要內容而得到有效管理的一種方法，至少對完成分類和做決定這樣的基本任務來說是這樣。

[圖擷取自網路，如有疑問請私訊]