얼굴 인식은 우리가 복잡한 사회에서 상호 작용하는 방법에 필수적이며, 종종 커다란 인간 두뇌의 세련을 필요로하는 능력이라고 생각됩니다.

그러나 우리가 출간 한 새로운 증거 심리학의 국경 꿀벌과 같은 곤충 (API를 mellifera)와 유럽 wasp (Vespula vulgaris)는 인간과 비슷한 시각 처리 메커니즘을 사용하여 안정적인 얼굴 인식을 가능하게합니다.

이것은 곤충의 두뇌의 작은 크기에도 불구하고입니다. 인간의 뇌를 구성하는 86,000 백만에 비해 백만 개의 뇌 세포를 포함합니다.

두뇌의 어떤 크기가 복잡한 작업을 효율적으로 해결할 수 있는지 이해하는 것은 확실히 흥미롭지 만 실용적인 의미도 있습니다. 이를 통해 우리는 얼마나 큰 뇌가 진화했는지, 그리고 생물학적 뇌의 효율성을 반영 할 인공 지능 (AI)을 설계하는 방법을 생각할 수 있습니다.

쉽지만 복잡합니다.

우리는 익숙한 얼굴을 잘 알고 있습니다. 수백 명이 지나가는 기차역에서 친구를 만나는 상황을 생각해보십시오. 모두 서로 다른 방향으로 움직입니다. 갑자기 멀리서 친숙한 얼굴을 엿볼 수 있다는 것은 우리가 올바른 사람을 찾았다는 것을 의미합니다.

이것은 어려워 보이지만 AI 솔루션은 종종 복잡한 상황에서 얼굴을 인식하는 데 어려움을 겪습니다.

얼굴 인식에 대한 우리의 전문성은 주로 "전체 론적 처리 (holistic processing)"에 기반합니다 - 서로 다른 얼굴 특징들을 결합하여 뛰어난 인식을 제공합니다. 이것은 보는 얼굴에 경험으로 발전하는 정교한인지 프로세스로 생각됩니다. 우리가 얼굴에 익숙해지면, 눈, 코, 입, 귀 같은 다른 특징들은 우리가 개인을 신뢰할 수있게 인식 할 수 있도록 "모든 요소를 ​​통합 한 단위"인 gestalt로 함께 처리됩니다.

흥미롭게도, 전체 론적 프로세싱이 얼굴을 인식하는 데 가장 일반적으로 사용되지만, 개 전시회에서 심사 위원이되거나 클래식 자동차를 수집하는 것과 같은 다른 시각적 작업의 전문가가 될 때 우리 두뇌 또한 전체 영역 처리를 사용하여 해당 영역에서 우수한 인식 능력을 가능하게합니다 .

전체론 적 처리는 중요한 대상을 인식하는 일반적인 원리 일 수 있습니다. 빠르게 성장하는 침입 식물을 빠르고 정확하게 식별하는 것과 같이 개선 된 인공 지능 솔루션을 개발하는 데있어 전체 론적 처리가 중요 할 수 있다는 것을 의미하므로이 기법은보다 광범위하게 유용합니다. AgTech 산업.

우리는 전체 론적 처리의 원리가 다른 동물들에있을 수있는 방법을 알고 싶어했기 때문에 동료들과 나는 곤충들이 어떻게 얼굴 인식 작업을 해결할 수 있는지 테스트하려고했습니다.

곤충을 가져 와라.

꿀벌은 시각적 처리를 이해하기에 매우 접근하기 쉬운 동물입니다. 개별 꿀벌들은 달콤한 설탕 보상을 수집하는 대가로 복잡한 문제를 배우도록 훈련받을 수 있습니다. 최근에 우리는 같은 방법으로 말벌을 테스트하는 방법을 개발했습니다.

우리의 기존 연구는 꿀벌 과 말벌 인간의 얼굴을 인식하는 법을 배울 수 있습니다.

미국 연구 그룹의 다른 증거는 종이 말벌 (Polistes fuscatus)는 다른 종이 말벌의 얼굴을 매우 안정적으로 배울 수 있으며, 전문화 된 두뇌 메커니즘을 진화시킨 것처럼 보입니다. 말벌 얼굴 처리.

실종 된 것은 개별적인 얼굴 특징의 단순한 해석으로 인해 벌레에서 일어 났는지, 인간에서 일어나는 것처럼보다 복잡한 전체 그림 해석 (전체 론적 얼굴 처리)을 사용했는지에 대한 이해입니다.

우리는 조작 된 얼굴로 테스트를 완료하기 위해 숙련 된 개인을 사용하여 꿀벌과 유럽 말벌에서 전체 론적 얼굴 처리 가능성을 테스트하기로 결정했습니다.

테스트 얼굴 처리

인간 피험자가 전체적인 얼굴 처리를 사용한다는 것을 입증하기위한 두 가지 유용한 테스트가 이미 있습니다. 부분 전체 효과및 합성면 효과.

XNUMXD덴탈의 부분 전체 효과 눈, 코 또는 입과 같은 얼굴 기능이 고립되어 인식 될 때 얼굴 전체를 인식 할 때와 비교하여 얼굴을 인식하는 것이 어렵다는 것을 알 수 있습니다.

XNUMXD덴탈의 합성면 효과 눈, 코 및 입과 같은 올바른 내면 기능을 잘못된 외부 기능과 관련하여 볼 때 성능 정확도가 크게 떨어지는 것을 의미합니다.

친숙한 얼굴을 인간이 처리하는 과정에서 서로 다른 요소의 특징이 서로 결합되어 얼굴 인식 정확도를 향상시킬 수 있습니다.

나는 그 얼굴을 안다.

곤충을 시험하기 위해이 원리들을 사용할 때, 벌과 말벌은 모두 무색의 (흑백) 인간의 얼굴 이미지를 배울 수있었습니다.

꿀벌과 말벌은 모두 4 번의 추가적인 시험을 받았다. 결과는 인간의 얼굴을 처리하는 진화 적 이유가없는 각각의 곤충에도 불구하고, 그들의 두뇌는 복잡한 이미지의 전체 론적 표현을 창조함으로써 신뢰할 수있는 인식을 배우는 것으로 나타났습니다. 특정 인간의 얼굴을 인식하기 위해 기능을 함께 사용합니다.

우리는 이제 곤충의 작은 두뇌가 적어도 제한된 수의 얼굴을 안정적으로 인식 할 수 있다는 것을 알고 있습니다. 이것은 인간에서 우리의 큰 두뇌의 장점은 우리가 기억할 수있는 매우 많은 수의 개인이 될 수 있음을 시사합니다.

이 새로운 정보는 인간과 다른 영장류에서 매우 정교한 얼굴 처리 전문 지식이 어떻게 발전해 왔는지 이해하는 데 도움이됩니다.

전체적인 프로세싱이 다양한 동물에 의해 복잡한 시각적 문제의 다양한 사용되는 증거는 이것이 신뢰할 수있는 인식을위한 인공 지능 솔루션을 개발하는 데 유용한 방법 일 수 있음을 암시합니다.

저자에 관하여

Adrian Dyer, 조교수, RMIT 대학

이 기사는 원래에 게시되었습니다. 대화. 읽기 원래 기사.

관련 서적

at 이너셀프 마켓과 아마존