從腦內神經訊號重塑猴子所看到的人臉影像

作者 | 發布日期 2017 年 06 月 24 日 12:00 | 分類 生物科技 follow us in feedly

靈長類動物的腦能夠非常快速且正確的分析辨認不同的臉部影像,但其中的機制始終沒有辦法被完全了解。在最新發表的研究中,來自美國加州理工學院的研究團隊監測猴子腦細胞活動訊號,並精準重塑出猴子眼中所見的人類臉部影像。這項研究往後或許能夠對臉部辨認運算方法提供新的靈感及啟發。



這項研究成果已經發表於知名科學期刊《Cell》,其中提出大約 200 個神經元參與辨識各種不同的臉部特徵。將這些神經元分別所提供不同的資訊結合在一起,獼猴的腦部就能夠建構出清晰的臉部影像。

在先前的研究中,加州理工學院(California Institute of Technology,Caltech)教授 Doris Tsao 帶領研究團隊就以功能性磁振造影(functional magnetic resonance imaging,fMRI)技術分析人類以及其他靈長類動物的腦部成像,以找出腦部負責進行臉部辨識的部位。經過分析,研究團隊發現大腦內有 6 個位於下側顳葉皮質(inferior temporal[IT]cortex)內的位置和臉部辨識有關。這 6 個區域就被研究團隊稱為「臉部辨識斑塊」(face patches)。

接著,研究團隊又發現臉部辨識斑塊與特定的神經元(神經細胞)靠得非常緊密,這些神經元在辨認臉部時所放出的訊號強度,比觀看其他物體時所放出的訊號還要高出許多,因此研究團隊再將這些神經元稱為「臉部辨識細胞」(face cells)。

研究團隊進而以 50 種不同的參數以及特徵,像是兩眼間的距離、髮際線的寬度以及一些和臉部輪廓無關的特徵像是皮膚色調等來描繪人類的臉部差異。

同時,研究人員給獼猴看不同的人類臉部照片,並在獼猴腦部植入電極以分別記錄臉部辨識斑塊內的各個臉部細胞所產生的訊號。

透過記錄獼猴腦部內的活動情形,與獼猴所看到的臉部影像比較分析,Tsao 教授表示,經過研究分析後,他們發現這些訊號編碼其實非常單純,「我們能夠監測獼猴腦內其中 205 個神經元的電訊號活動資訊,實際重塑獼猴所看到的臉部影像。」

臉部辨識細胞比想像中單純

值得一提的是,研究團隊所得到的成果十分驚人,他們將獼猴所看到的照片與根據牠們腦活動重塑的影像擺在一起,就會發現兩者的相似度非常的高。

研究人員又進一步發現,6 個臉部辨識斑塊之中的兩個斑塊內分別所含的 106 及 99 個臉部辨識細胞,就足以重塑整張臉部影像。Taso 博士解釋:「我們常說一張照片勝過千言萬語,但我喜歡說我們一張臉部照片大約值 200 個神經元。」

美國史丹佛大學機械學習教授 Reza Zadeh 教授認為,這項研究令人興奮之處,在於作者證明了只需要以 fMRI 記錄神經元活動情形,就能夠重塑靈長類動物所看到的臉部影像。研究者得先分別給獼猴看臉部照片和非臉部的照片,以找出哪些神經元對於臉部辨識較敏感,接著再收集那些對臉部辨識較敏感的神經元的活動狀態,再以這些資訊建立模型,最後就能重塑臉部影像。如果用科幻一點的說法來解釋的話,可以說在這項研究中,研究者是在解讀猴子的大腦,從中提取猴子所看到的臉部影像。

身為史丹佛計算與數學工程研究所(ICME)的 Zadeh 教授解釋,fMRI 與機械學習結合能夠粗略的描繪出大腦的運作方式,達到類似讀心術的系統其實並不是全新的概念,這方面的研究已經發展了十幾年,例如測謊技術就是其中一種應用。而這項研究獨特的地方在於他們能夠如此精確的重塑出臉部影像,對於看到機器學習能夠被運用在最前線生物學研究,Zadeh 教授感到非常高興。

這項研究成果也挑戰了先前同領域其他科學家的理論,先前有些科學家認為大腦中的每個臉部辨識細胞分別辨認特定一種臉部類型。而現在的研究證據證明這樣的論點可能並不正確,因為研究人員發現以大量且差異極大的臉部影像進行實驗時,所有的臉部影像都會以同樣的模式改變相同的臉部辨識細胞的活動。

對此,Tsao 博士表示:「這實在令我們十分震驚,因為我們一直以為臉部辨識細胞應該更複雜得多。但結果卻發現每個臉部細胞只是負責量測判斷臉部空間沿著單一軸線的特定長度,而在其他部分完全沒有功能。」

這項研究成果最明顯潛在應用大概是設計用於臉部辨識的新機器學習演算法,但除此之外,Tsao 教授提出能夠運用於犯罪事件中目擊者腦部活動分析,並以此重塑出嫌疑人的臉部特徵。

雖然這項研究是只在獼猴中進行,但獼猴和人類親緣關係十分接近,其中機制可以做為人類腦部運作的參考。這項研究的第一作者 Steve Le Chang 認為,這些研究結果可能也表示大腦對於其他物體的辨認方式,可能也循著同樣單純協調的系統模式。

(首圖來源:Flickr/Asheesh Laroia CC BY 2.0) 

關鍵字: , ,