Computer lernen schnelles Erkennen
Neurowissenschaftler am MIT haben ein neues Modell entwickelt, mit dem Computersysteme Objekte schneller erkennen können. Das System macht sogar ähnliche Fehler wie sein Vorbild, der Mensch.
Ein Forschungsteam am Massachusetts Institute of Technology unter der Leitung des Neurowissenschaftlers Tomaso Poggio publizierte am Montag ein neues Modell, mit dem Computersysteme Objekte wesentlich schneller erkennen können als mit bisherigen Verfahren.
Das Paper mit dem Titel "A feedforward architecture accounts for rapid categorization" steht als Open-Access-Download bei den "Proceedings of the National Academy of Sciences" frei zur Verfügung.
Vorbild Primat
Vorbild für das Team waren dabei die Fähigkeiten des Menschen und seiner tierischen Verwandten. "Primaten sind besonders gut darin, Objekte zu erkennen", schreibt Poggio im Abstract des Papers. Primaten seien in der Lage, Objekte in ihrer Umgebung schnell und sicher zu erfassen.
"Wir haben ein Modell entwickelt, das auf die quantitative Analyse von Daten aus dem visuellen Cortex aufbaut und zu simulieren versucht, was in den ersten 100 Millisekunden passiert, nachdem ein Mensch ein Objekt gesehen hat", so Poggio. Das System funktioniere so gut, dass es bei der Analyse von Bildelementen sogar ähnliche Fehler mache wie ein Mensch.
Feedforward statt Feedback
Die Ergebnisse von Poggios Team unterstützen die Hypothese, dass die Hauptarbeit bei der Objekterkennung im visuellen Cortex im Feedforward-Verfahren ohne die Beteiligung anderer Hirnregionen geleistet wird. "Wir wissen zwar noch nicht, wie das menschliche Sehen funktioniert", sagt Poggio, "aber unser Modell des unmittelbaren Erkennens könnte einen Rahmen für eine Theorie des Sehens bieten."
Poggios Arbeit wurde, unter anderem, von der US-Militärforschungsinstitution Defense Advanced Research Projects Agency [DARPA] gesponsert.