یک شبکه رایانهای که از بخشی از مغز انسان الگو گرفته بینش جدیدی درباره نحوه پردازش تصاویر متحرک توسط مغز انسان را امکان پذیر میکند و برخی از توهمات نوری گیج کننده را توضیح میدهد.
محققان با استفاده از نتایج دهها سال مطالعات در زمینه درک حرکات انسانی یک شبکه عصبی مصنوعی برای تخمین سرعت و جهت توالیهای تصاویر ایجاد کرده و آن را با دادههای موجود آموزش دادهاند.
سیستم جدید که به MotionNet موسوم است برای مطابقت نزدیک با ساختارهای پردازش حرکت درون مغز انسان طراحی شده است. این امر به محققان این امکان را داده تا ویژگیهای پردازش بینایی انسان را که به طور مستقیم در درون مغز قابل اندازهگیری نیستند کشف کنند.
مطالعه آنها که در ژورنال Vision منتشر شده از سیستم هوش مصنوعی برای توصیف چگونگی ترکیب اطلاعات فضا و زمان در مغز ما برای درک یا برداشت ناصحیح از تصاویر متحرک استفاده میکند.
مغز انسان را میتوان به راحتی گول زد. به عنوان مثال اگر یک لکه سیاه در سمت چپ یک صفحه نمایش وجود داشته باشد، در حالی که یک لکه سیاه دیگر در سمت راست ظاهر میشود و محو میشود، مغز حرکت لکه را از چپ به راست تشخیص خواهد داد، این یک حرکت معمول برای گول زدن مغز است و phi نامیده میشود. اما اگر لکهای که در سمت راست ظاهر میشود ، روی زمینهای تیره باشد، مغز جهت حرکت لکه را از راست به چپ تشخیص میدهد، حرکتی که به phi معکوس معروف است.
محققان با استفاده از حرکت phi معکوس در سیستم MotionNet، دریافتند که این سیستم همان اشتباهاتی را میکند که مغز انسان مرتکب آن میشود. اما برخلاف مغز انسان، محققان میتوانند از نزدیک به سیستم هوش مصنوعی خود نگاه کنند تا دلیل این اتفاق را بفهمند. آنها دریافتند که نورونها با جهت حرکت تنظیم میشوند و در MotionNet ، phi معکوس سبب تحریک نورونهای تنظیم شده در جهت مخالف حرکت واقعی میشود.
سیستم هوش مصنوعی همچنین اطلاعات جدیدی راجع به این توهم رایج را نشان داد، برعکس آنچه انتظار میرود سرعت حرکت phi معکوس تحت تأثیر فاصله نقاط قرار دارد. به نظر میرسد نقطههایی که با سرعت ثابت حرکت میکنند اگر در فاصله کمی از هم قرار داشته باشند سریعتر و در صورت فاصله طولانیتر نیز کندتر حرکت میکنند.
دکتر روبن ریدوکس، محقق روانشناسی در دانشگاه کمبریج و نویسنده اصلی این تحقیق گفت : انسانها به طور منطقی فقط در بررسی سرعت و جهت حرکت یک جسم در حال حرکت مهارت دارند. این چگونگی اینکه ما میتوانیم یک توپ را بگیریم، عمق را تخمین بزنیم یا اینکه از جادهها به صورت ایمن عبور کنیم را توضیح میدهد. ما این کار را با پردازش الگوی تغییر نور و درک حرکت آن انجام میدهیم، اما بسیاری از جنبههای چگونگی این اتفاق هنوز درک نشده است.
ریدوکس گفت : اندازهگیری مستقیم آنچه در مغز انسان در هنگام درک حرکت اتفاق میافتد بسیار دشوار است، حتی بهترین فناوریهای پزشکی موجود هم نمیتواند تمام مجموعه را به ما نشان دهد. اما ما با MotionNet دسترسی کاملی به اتفاقات در حال وقوع داریم.
فکر کردن به اینکه چیزها با سرعتی متفاوت از آنچه که در حال حرکت هستند حرکت میکنند، گاهی اوقات عواقب فاجعه باری برای انسانها به همراه خواهد داشت. به عنوان مثال، افراد تمایل دارند سرعت رانندگی خود را در شرایط مه آلود افزایش دهند، زیرا به نظر میرسد که مناظر کم نورتر با سرعتی کمتر از آنچه در گذشته عبور میکرده عبور میکنند.
محققان در مطالعات قبلی ثابت کردند که سلولهای عصبی مغز ما نسبت به سرعت پایین متخاصمانه واکنش نشان میدهند، بنابراین وقتی دید کم است این سلولها تمایل دارند حدس بزنند که اجسام با سرعتی کمتر از آنچه در حال حرکت هستند حرکت میکنند.
افشای این اطلاعات در مورد توهم phi معکوس فقط یک نمونه از مزایای سیستم MotionNet است که بینش جدیدی درباره نحوه درک ما از حرکت ارائه میدهد.
با اطمینان از اینکه این سیستم هوش مصنوعی مشکلات بینایی را به روشی کاملاً مشابه مغز انسان حل میکند، محققان امیدوارند MotionNet بتواند بسیاری از خلاهای موجود در درک فعلی ما از نحوه عملکرد مغز را پر کند.
پیشبینیهای MotionNet باید در آزمایشهای بیولوژیکی تأیید شود، اما محققان میگویند دانستن اینکه باید بر کدام قسمت از مغز تمرکز کنیم باعث صرفه جویی بسیار زیادی در وقت میشود.
ریدوکس و همکار وی در این تحقیق دکتر اندرو ولشمن در آزمایشگاه Adaptive Brain Cambridge مشغول به کار هستند، جایی که تیمی از محققان در حال بررسی مکانیسمهای مغزی هستند که اساس توانایی ما در درک ساختار جهان اطراف ما است.