São Paulo — InkDesign News —
A pesquisa recente na interseção de machine learning e neurociência revela avanços significativos em modelos de redes neurais que imitam o sistema visual humano, apresentando uma nova abordagem que supera limitações anteriores das redes convolucionais.
Contexto da pesquisa
Pesquisadores da Universidade de Osnabrück e da Freie Universität Berlin desenvolveram uma nova classe de redes neurais artificiais chamada “redes neurais topográficas completas” (All-TNNs). Essa abordagem visa melhorar a emulação da maneira como o cérebro humano processa informações visuais, superando os modelos anteriores baseados em CNNs (redes neurais convolucionais).
Método proposto
As All-TNNs foram projetadas para incorporar a organização retinotópica do cérebro, onde a localização dos sinais visuais no córtex é criticamente importante para o processamento. Diferentemente das CNNs, que replicam características em todo o espaço visual, as All-TNNs mantêm uma relação sistemática entre os tipos de características respondidas e a localização onde elas são procuradas. Como explicou um dos autores do estudo:
“O cérebro também exibe uma relação sistemática entre os tipos de características que está respondendo e a localização em que está buscando por elas.”
(“The brain also exhibits a systematic relationship between the types of features it is responding to and the location at which it is searching for them.”)— Dr. Tim Kietzmann, Autor Sênior, Universidade de Osnabrück
Resultados e impacto
Os pesquisadores demonstraram que as All-TNNs não só replicam os princípios da organização do córtex visual, mas também capturam padrões de comportamento humano de forma mais eficaz do que os modelos anteriores. Essa nova rede neural pode potencialmente facilitar estudos em neurociência e psicologia, fornecendo insights sobre como a topografia cortical influencia a percepção e comportamento humano. Segundo Kietzmann:
“Esses modelos espelham mais de perto o sistema visual humano em comparação com as CNNs.”
(“These models mirror the human visual system more closely than CNNs.”)— Dr. Tim Kietzmann, Autor Sênior, Universidade de Osnabrück
O futuro das All-TNNs inclui o aprimoramento do treinamento para aumentar a eficiência e a precisão nos desempenhos das tarefas, enfrentando o desafio de manter uma seletividade de características suave ao longo do espaço, uma característica fundamental da topografia cortical.
Fonte: (TechXplore – Machine Learning & AI)
