211service.com
Las redes neuronales entrenadas se comportan de manera muy similar a los humanos en las pruebas psicológicas clásicas
Sra. tecnología
A principios del siglo XX, un grupo de psicólogos experimentales alemanes comenzó a cuestionar cómo el cerebro adquiere percepciones significativas de un mundo que, por lo demás, es caótico e impredecible. Para responder a esta pregunta, desarrollaron la noción del efecto gestalt, la idea de que cuando se trata de la percepción, el todo es algo más que las partes.
Desde entonces, los psicólogos han descubierto que el cerebro humano es notablemente bueno para percibir imágenes completas sobre la base de información fragmentaria. Un buen ejemplo es la figura que se muestra aquí. El cerebro percibe formas bidimensionales como un triángulo y un cuadrado, e incluso una esfera tridimensional. Pero ninguna de estas formas está dibujada explícitamente. En cambio, el cerebro llena los huecos.
Una extensión natural de este trabajo es preguntar si los efectos de la gestalt ocurren en las redes neuronales. Estas redes están inspiradas en el cerebro humano. De hecho, los investigadores que estudian la visión artificial dicen que las redes neuronales profundas que han desarrollado resultan ser notablemente similares al sistema visual en el cerebro de los primates y a partes de la corteza cerebral humana.
Eso lleva a una pregunta interesante: ¿pueden las redes neuronales percibir un objeto completo mirando simplemente sus partes, como lo hacen los humanos?
Hoy recibimos una respuesta gracias al trabajo de Been Kim y sus colegas en Google Brain, la división de investigación de IA de la compañía en Mountain View, California. Los investigadores han probado varias redes neuronales utilizando los mismos experimentos gestalt diseñados para humanos. Y dicen que tienen buena evidencia de que las máquinas pueden percibir objetos completos usando observaciones de las partes.
El experimento de Kim y compañía se basa en la ilusión del triángulo que se muestra en la figura. Primero crean tres bases de datos de imágenes para entrenar sus redes neuronales. El primero consiste en triángulos completos ordinarios que se muestran en su totalidad.
La siguiente base de datos muestra solo las esquinas de los triángulos, con líneas que deben interpolarse para percibir la forma completa. Este es el conjunto de datos ilusorios. Cuando los humanos ven este tipo de imágenes, tienden a cerrar los espacios y terminan percibiendo el triángulo como un todo. Nuestro objetivo es determinar si las redes neuronales exhiben efectos de cierre similares, dicen Kim y compañía.
La base de datos final consta de esquinas similares pero orientadas aleatoriamente de manera que las líneas no se pueden interpolar para formar triángulos. Este es el conjunto de datos no ilusorio.
Al variar el tamaño y la orientación de estas formas, el equipo creó casi 1000 imágenes diferentes para entrenar sus máquinas.
Su enfoque es entrenar una red neuronal para reconocer triángulos completos ordinarios y luego probar si clasifica las imágenes en el conjunto de datos ilusorios como triángulos completos (mientras ignora las imágenes en el conjunto de datos no ilusorios). En otras palabras, prueban si la máquina puede llenar los espacios en blanco de las imágenes para formar una imagen completa.
También comparan el comportamiento de una red entrenada con el comportamiento de una red no entrenada o entrenada con datos aleatorios.
Los resultados hacen una lectura interesante. Resulta que el comportamiento de las redes neuronales entrenadas muestra notables similitudes con los efectos de la gestalt humana. Nuestros hallazgos sugieren que las redes neuronales entrenadas con imágenes naturales exhiben cierre, en contraste con las redes con pesos aleatorios o las redes que han sido entrenadas con datos visualmente aleatorios, dicen Kim y compañía.
Ese es un resultado fascinante. Y no solo porque muestra cómo las redes neuronales imitan al cerebro para dar sentido al mundo.
El panorama general es que el enfoque del equipo abre la puerta a una forma completamente nueva de estudiar las redes neuronales utilizando las herramientas de la psicología experimental. Creemos que explorar otras leyes de la Gestalt, y más en general, otros fenómenos psicofísicos, en el contexto de las redes neuronales es un área prometedora para futuras investigaciones, dicen Kim y compañía.
Eso parece un primer paso hacia un nuevo campo de la psicología de las máquinas. Como dijo el equipo de Google: Comprender dónde difieren los humanos y las redes neuronales será útil para la investigación sobre la interpretabilidad al iluminar las diferencias fundamentales entre las dos especies interesantes. Los psicólogos experimentales alemanes de principios del siglo XX seguramente se habrían sentido fascinados.
Ref: arxiv.org/abs/1903.01069 : ¿Las Redes Neuronales Muestran Fenómenos Gestalt? Una exploración de la ley de cierre