Reti neurali profonde sono simili al cervello nella percezione visiva?

Credito: Philipp Marquetand, Pixabay, 5076887

Le reti neurali profonde (deep neural networks) sono sistemi algoritmico-informatici di apprendimento automatico che tendono ad imitare la rete del cervello con le sue cellule cerebrali (neuroni) e le varie connessioni tra questi ultimi (sinapsi). Ma queste reti neurali artificiali quanto sono simili al cervello umano quando si parla di percezione visiva?
È la domanda cui hanno tentato di rispondere alcuni ricercatori dell’Istituto Indiano di Scienze con un nuovo studio pubblicato su Nature Communications.[2]

Il comunicato emesso dallo stesso istituto indiano premette[1] che le reti neurali artificiali profonde sono ancora molto lontane dalle prestazioni del cervello umano per quanto riguarda la percezione dei segnali visivi.
I ricercatori hanno infatti confrontato le proprietà delle reti neurali profonde con quelle del cervello umano confermando che funzionano in modo diverso. Il calcolo complesso per le reti neurali profonde è abbastanza “banale” ma quello che è difficile, e che invece è facile per gli esseri umani, è sfruttare alcune proprietà quale, per esempio, riconoscere i cambiamenti delle caratteristiche locali in un’immagine verticale quando viene capovolta. Le reti neurali profonde addestrate a riconoscere, per esempio, i volti in posizione verticale normale mostravano difficoltà a riconoscere gli oggetti nel corso dei test eseguiti dei ricercatori.

Un’altra proprietà del cervello umano per le quali le reti neurali profonde hanno una certa difficoltà è la cosiddetta “confusione speculare”. Per le reti neurali profonde i riflessi speculari lungo l’asse verticale sono più difficili da riconoscere rispetto alle immagini riflesse orizzontalmente.
Infine, come fanno notare i ricercatori, le reti neurali profonde agiscono diversamente in quello che è conosciuto come “effetto di vantaggio globale”: il cervello umano può concentrarsi prima sui dettagli più grossolani e dopo sui dettagli differentemente da quanto fanno le reti neurali profonde che si concentrano prima sui dettagli, dunque un modo molto diverso di procedere all’identificazione visiva, ad esempio di un volto o di un oggetto.
“Molti studi hanno mostrato somiglianze tra reti profonde e cervelli, ma nessuno ha davvero esaminato le differenze sistematiche”, afferma SP Arun, uno dei ricercatori che ha guidato il team di studio nonché autore senior della ricerca.

Note e approfondimenti

  1. Do deep networks ‘see’as well as humans? (IA)
  2. Qualitative similarities and differences in visual object representations between brains and deep networks | Nature Communications (IA) (DOI: 10.1038/s41467-021-22078-3)

Articoli correlati

Condividi questo articolo

Data articolo