En la búsqueda de replicar el complejo funcionamiento de los sistemas sensoriales humanos, los investigadores en neurociencia e inteligencia artificial enfrentan un desafío persistente: la disparidad en las invariancias entre los modelos computacionales y la percepción humana. Como se destaca en estudios recientes, incluido uno realizado por un equipo de científicos, las redes neuronales artificiales diseñadas para imitar las diversas funciones de los sistemas visual y auditivo humanos a menudo exhiben invariancias que no se alinean con las que se encuentran en la percepción sensorial humana. Esta contradicción plantea dudas sobre los principios subyacentes que guían el desarrollo de estos modelos y su aplicabilidad en escenarios del mundo real.
Históricamente, los intentos de abordar la cuestión de las discrepancias de invariancia entre los modelos computacionales y la percepción humana han implicado investigar áreas como la vulnerabilidad del modelo a perturbaciones adversas o el impacto del ruido y las traducciones en los juicios del modelo.
Metámeros modelo: El concepto de metámeros modelo está inspirado en los metámeros perceptivos humanos, que son estímulos que, aunque físicamente distintos, producen respuestas indistinguibles en ciertas etapas del sistema sensorial. En el contexto de los modelos computacionales, los metámeros modelo son estímulos sintéticos con activaciones casi idénticas en un modelo a imágenes o sonidos naturales específicos. La pregunta crítica es si los humanos pueden reconocer que estos metámeros modelo pertenecen a la misma clase que las señales biológicas con las que coinciden.
Los resultados de este estudio arrojan luz sobre la divergencia significativa entre las invarianzas presentes en los modelos computacionales y las de la percepción humana. El equipo de investigación generó metámeros de modelos a partir de varios modelos de visión y audición de redes neuronales profundas, incluidos modelos de aprendizaje supervisados y no supervisados. En un descubrimiento sorprendente, los metámeros modelo producidos en las últimas etapas de estos modelos eran consistentemente irreconocibles para los observadores humanos. Esto sugiere que muchas invariancias en estos modelos no se comparten con el sistema sensorial humano.
La eficacia de estos metámeros de modelos para exponer las diferencias entre modelos y humanos queda demostrada aún más por su previsibilidad. Curiosamente, el reconocimiento humano de los metámeros modelo estaba fuertemente correlacionado con su reconocimiento por otros modelos, lo que sugiere que la brecha entre los humanos y los modelos radica en las invariancias idiosincrásicas específicas de cada modelo.
En conclusión, la introducción de metámeros de modelos es un paso importante hacia la comprensión y el tratamiento de las disparidades entre los modelos computacionales de los sistemas sensoriales y la percepción sensorial humana. Estos estímulos sintéticos ofrecen una nueva perspectiva sobre los desafíos de los investigadores a la hora de crear modelos biológicamente más fieles. Si bien queda mucho trabajo por hacer, el concepto de metámeros de modelos proporciona un punto de referencia prometedor para la evaluación futura de modelos y el potencial para sistemas artificiales mejorados que se alineen mejor con las complejidades de la percepción sensorial humana.
Revisar la Papel. Todo el crédito por esta investigación va a los investigadores de este proyecto. Además, no olvides unirte. nuestro SubReddit de 31k+ ML, Comunidad de Facebook de más de 40.000 personas, Canal de discordia, y Boletín electrónicodonde compartimos las últimas noticias sobre investigaciones de IA, interesantes proyectos de IA y más.
Si te gusta nuestro trabajo, te encantará nuestra newsletter.
También estamos en WhatsApp. Únase a nuestro canal de IA en Whatsapp.
Niharika es pasante de consultoría técnica en Marktechpost. Es estudiante de tercer año y actualmente cursa su licenciatura en tecnología en el Instituto Indio de Tecnología (IIT), Kharagpur. Es una persona muy entusiasta con un gran interés en el aprendizaje automático, la ciencia de datos y la inteligencia artificial y una ávida lectora de los últimos avances en estos campos.