将“眼睛”放在人工智能中：计算机可以教给我们关于人类视觉的什么知识？

研究AI如何处理视觉信息可以帮助人们理解我们自己的视觉系统？

用于面部识别的人工智能（AI）系统因种族和性别偏见而臭名昭著。用于AI训练的摄影数据缺乏多样性通常被认为是根本原因。好吧，事实证明人脑也有同样的问题 -我们真的不知道为什么。

种族脸盲是一种现象，在这种现象中，人类难以区分另一个种族。已经对此进行了数十年的研究，但是对于这种现象的真正原因，科学界尚无定论，因为我们仍在尝试了解有关人类视觉系统工作原理的更多细节。

“如果我们试图做的是预测是否有可能可见的东西，那么我们在这一点上是非常可靠的，并且可以考虑到各种临床疾病来做到这一点。” 西澳大学人类视觉实验室主任温思罗普教授和大卫·巴德考克说。

种族脸盲这一现象是一个尚待解决的基本问题。

升级

从光线进入您的眼睛的瞬间起，数百万个细胞便会相互作用，以处理信息并将其转化为行动。为了充分理解愿景，我们需要了解该过程的每个步骤。

大卫说：“您有多各处理阶段，所有阶段都将信息馈送出去。”

“在每个阶段中，还会有从（大脑的）高阶区域返回到低阶区域的反馈，这会影响较低区域的处理方式。”

到目前为止，研究人员知道视觉系统的早期阶段只能处理非常少量的信息，因为单个单元只能做什么。一个单元只能检测到您要查看的对象的一小部分。

大卫说，在中间的某个地方，我们的大脑将这些部分整合为物体。

“他们将来自下层的信息归为一组，然后说，对，这就是所有对象。而这又是另一对象，”

在视觉系统的后期，我们的大脑可以算出这些东西实际上是什么。

大卫说：“困难在于将一个级别连接到另一个级别。”

因此，科学家们仍在尝试找出大脑在不同层次上处理视觉信息所使用的确切规则。这就是AI可以提供帮助的地方。

一条潜在的道路

做到这一点的一种方法是建立一个计算机仿真，该仿真具有与人类视觉系统相同的阶段。然后，研究人员向其显示大量图像，并要求其学习识别图像中的物体。

“然后，当完成此操作时，我们可以查看我们创建的人工网络的各个层，然后说：“嗯，它在这个级别上似乎正在做什么？”这为我们提供了有关它正在使用哪种信息的提示。以及选择将事物放在一起的规则是什么，”大卫解释说。

从理论上讲，如果我们建立一个与人类视觉系统“合理接近”的模型，它将为我们提供一些有关大脑所使用的规则的信息。

大卫说：“识别人群中的面孔和各种技术……如果您想学习如何做到这一点，那么就可以做到这一点而无需尝试复制人类的视觉系统。”

“但是我们想了解人类视觉是如何实现的。因此，我们将AI作为一种工具来尝试为我们提供有用的，可能有效的线索。”

希望这些结果最终可以帮助我们也了解我们自己的视觉偏见。也许像AI一样，我们只需要从学习的数据中获取一点点差异即可。