先进技术可能表明大脑如何学习面孔

脸部识别技术在过去五年中发展迅速。德克萨斯大学达拉斯分校的研究人员试图确定计算机在完成任务时的表现如何与人们一样好，他们也在阐明人脑对信息进行分类的方式。

达拉斯的UT科学家分析了最新的面部识别算法梯队的性能，揭示了这些基于机器学习的程序令人惊讶的工作方式。他们的研究于11月12日在线发表在《自然机器智能》上，表明这些复杂的计算机程序(称为深度卷积神经网络(DCNN))弄清楚了如何以不同于研究人员期望的方式识别人脸。

这项研究的资深作者Alice O'Toole博士说：“在过去30年中，人们一直认为基于计算机的视觉系统会摆脱所有特定于图像的信息-角度，照明，表情等。行为与脑科学学院的Aage和MargaretaMøller教授。“相反，算法在保留身份信息的同时保留了这些信息，这是从根本上思考问题的新方式。”

在机器学习中，计算机分析大量数据以学习识别模式，其目标是能够以最少的人工投入做出决策。O'Toole表示，自2014年以来，机器学习在面部识别方面取得的进步“改变了一切”。

O'Toole说：“阻碍计算机视觉技术30年前的从未实现过的事情不仅变得可行，而且变得非常容易。” “问题是没有人了解它是如何工作的。”

上一代算法可以有效地识别与他们已经知道的图像相比仅有微小变化的面部。但是，当前的技术足够了解身份，可以克服表情，视点或外观的变化，例如摘下眼镜。

O'Toole说：“这些新算法的运行方式更像您和我。” “部分