未经训练的深度神经网络中的人脸检测

研究人员发现，未经训练的神经网络可以自发地产生更高的视觉认知功能。由生物与脑工程系 Se-Bum Paik 教授领导的 KAIST 研究小组表明，即使在完全未经训练的深度神经网络中，面部图像的视觉选择性也会出现。

这一新发现为生物和人工神经网络中认知功能发展的潜在机制提供了启示性的见解，也对我们对感官体验之前早期大脑功能起源的理解产生了重大影响。

12 月 16 日发表在Nature Communications上的研究表明，在完全没有学习的情况下，在随机初始化的深度神经网络中观察到对面部图像有选择性的神经元活动，并且它们显示出在生物大脑中观察到的特征。

识别和识别面孔的能力是社会行为的关键功能，这种能力被认为起源于单神经元或多神经元水平的神经元调整。在不同物种的年轻动物中观察到选择性响应面部的神经元，这引发了激烈的争论，面部选择性神经元是否可以在大脑中先天产生，或者它们是否需要视觉体验。

研究小组使用一个捕捉视觉皮层腹侧流特性的模型神经网络，发现面部选择性可以从未经训练的深度神经网络中的随机前馈接线中自发出现。该团队表明，这种先天面部选择性的特征与大脑中面部选择性神经元观察到的特征相当，并且这种对面部的自发神经元调整使网络能够执行面部检测任务。

这些结果暗示了一种可能的情况，在这种情况下，在早期未经训练的网络中形成的随机前馈连接可能足以初始化原始视觉认知功能。

Paik 教授说：“我们的研究结果表明，即使在完全没有学习的情况下，先天认知功能也可以从嵌入在分层前馈投影电路中的统计复杂性中自发出现。”

他继续说道：“我们的研究结果提供了广泛的概念进步以及对生物和人工神经网络中先天功能发展的潜在机制的深入洞察，这可能会揭开智能产生和进化的神秘面纱。”这项工作是由韩国国家研究基金会 (NRF) 和 KAIST 奇点研究项目支持。