电插座看起来像是震惊的面孔吗？汽车的大灯和格栅构成了俏皮的笑容吗？幻面症，即在非人类物体中发现面孔的现象，几乎在有视力的人群中普遍存在——研究人员希望通过训练计算机表现出这一现象来了解其原因。上周在arXiv上发表的一项研究预印本，以及本周在欧洲计算机视觉会议上展示的研究显示，尽管计算机不像人类那样频繁地发现这些虚幻的面孔，但当它们接受动物图像的训练时，识别率增加了一倍多。这一发现可能为理解人类如何以及为什么会看到这种幻象提供线索。arxiv.org/pdf/2409.16143
帕雷多利亚“是我们大脑出错的一个绝佳例子”，国家精神卫生研究所的认知神经科学家Susan Wardle说，她没有参与这项研究。“这可以揭示当我们的大脑做对事情时发生了什么。”
大脑的视觉系统极其复杂。它筛选大量的输入信息，并确定哪些信息对于导航和生存至关重要。为了快速完成任务，它采取了捷径。例如，为了识别一张面孔，大脑会将其所见与某种基本面部模板进行比较，该模板包括两只眼睛、一个鼻子和一个嘴巴，悉尼大学的神经科学家David Alais解释说，他没有参与这项研究。他说，这个过程是“确保我们永远不会错过一张面孔的有效方式”，但缺点是“你会得到一些副捕获物——一大堆你没想到的其他东西被网住了。”
这包括人们在从早餐鸡蛋到树干等各处发现的那些可爱、诡异或奇特的面孔。微软的高级工程经理兼麻省理工学院（MIT）的计算机科学博士生Mark Hamilton想看看，经过人脸图像训练的计算机是否也会经历这种视觉错误。
为了测试这个想法，他的团队在一个包含58.5亿张图片的数据集的标题中搜索诸如“事物中的面孔”和“偶然的面孔”等短语，以识别出30000张被认为是容易产生幻面症的图片。然后，他们逐张检查，确保图片只展示了虚幻的面孔，而不是真实的面孔，并在适用时注明它们的明显性别和情绪。“最高质量的标签员是我的妈妈，”Hamilton承认，开玩笑说她“可能比任何个人作者投入的时间都多”。
在选择最好的5000张图片后，研究人员转向了一种由人工智能（AI）驱动的面部检测模型RetinaFace。在最初的测试中，该模型的不同版本平均在幻面症图片中检测到面孔的频率为5.4%。然后，研究人员通过向模型输入超过32,000张具有不同姿势、化妆、情绪和光照的人脸图像来训练模型。这使得模型的检测率提高到了6.7%。然而，当用超过22,000张动物面孔训练时，模型的幻面症检测率增加了一倍多，平均达到了16%。将动物面孔和从5000张图片数据集中分离出来的幻面症面孔组成的联合训练数据集用于训练，使得计算机算法在新图片中识别虚幻面孔的平均频率再次翻倍，达到了34%。
为什么对动物面孔的了解能够引发如此强烈的反应呢？Hamilton认为，这一结果表明了一些关于人类进化的基本事实：早期人类需要能够快速发现隐藏在灌木丛中的捕食者，并在狩猎时找到猎物——因此，我们进化出了将动物纳入我们快速响应的面孔模板中。而且由于人工智能被训练得像人类一样识别幻面症，他指出，这反映了这种本能的一种形式。Hamilton说，这样的结果“几乎不可能”从人类心理学研究中得出，因为虽然计算机可以从零开始训练识别面孔，但大多数人已经看过各种人类和动物的面孔，这使得这些不同经验的效果难以区分开来。
Wardle认为Hamilton的假设是有道理的，并且她还共同撰写了一项研究，显示恒河猴也会经历幻面症——这是非人类物种中该现象的首个证据。“如果这是人类特有的，可能会有争论说它更多地与我们抽象或艺术的能力有关，”她解释说。但是猴类的结果让她认为，像识别你的物种的其他成员进行社会互动和避免危险等“原始功能”可能是幻面症背后的驱动力。
然而，未参与这项研究的Riot Games游戏设计师、MIT媒体实验室Playful Systems Group毕业的Greg Borenstein强调，机器是由其工程师的输入驱动的，而不是进化压力。“人类视为面孔的东西与面孔检测算法检测到的非常不同，”他说。他指出，许多机器只是寻找某些明暗像素的模式——这个过程导致算法有时在甚至没有幻面症的地方“幻觉”出面孔。即使经过训练，每个算法也可能以不同的方式表现出幻面症，他说。
研究人员还开发了一个描述幻面症“金发姑娘区”的方程式：一个范围，在这个范围内人类和计算机最有可能表现出这种现象。太简单或模糊的图像不会揭示出面孔，而过于详细或清晰的图像通常有太多的视觉噪音，无法分辨出任何类似面孔的东西。这个方程式可能帮助研究人员设计避免意外幻面症的对象，如可能看起来威胁性的医疗设备，并减少面部检测设备（如执法部门使用的相机）中的误报。它还可能帮助动画师创造故意触发观众幻面症的卡通角色。
Hamilton将幻面症视为AI可能在认知科学中取得进步的一个途径，反之亦然。“如果我们看到人类体验世界的方式与机器体验世界的方式之间存在一些差异，就像我们在这个情况中所做的那样，就会产生很多问题，比如：我们如何弥合这一差距，以及我们能从尝试中学到什么？”
转载本文请联系原作者获取授权，同时请注明本文来自孙学军科学网博客。
链接地址：https://wap.sciencenet.cn/blog-41174-1453945.html?mobile=1
收藏
