我们的大脑已经准备好识别面孔-或告诉别人-甚至很少停止思考它，但是当大脑进行这种识别时，大脑中发生的事情仍然远未弄清楚。在《自然通讯》今天报道的一项新研究中，魏茨曼科学研究所的研究人员对此问题提供了新的思路。他们发现大脑中的面部编码方式与成功执行被称为深度神经网络的人工智能系统之间有着惊人的相似之处。
当我们看着一张脸时，视觉皮层中的神经元群被激活并发出信号。实际上，某些神经元组选择性地对脸部做出反应，而对其他对象则没有。但是，单个神经元的激活如何共同产生面部感知和识别能力呢?
神经生物学系的Rafi Malach教授和他的研究组博士生Shany Grossman提出了通过将人的大脑活动与深层神经网络进行比较来解决这个问题的想法。这些计算系统最近在人工智能领域发生了革命性变化，经过培训可以通过从大量数据集中学习来执行任务。在过去的几年中，它们取得了巨大的进步，以至于在包括面部识别在内的各种视觉任务上，他们的表现都与人类相当甚至更好。
Grossman和Guy Gaziv是计算机科学与应用数学系的研究学生，他们从纽约曼哈塞特Feinstein医学研究所Ashesh Mehta博士的实验室中的33个人获得的数据进行了分析。这组独特的受试者是癫痫患者，他们已将电极植入大脑的各个区域以进行诊断，并自愿参加了各种研究任务。
当向志愿者展示来自不同图像数据库的一系列面孔(包括著名和不熟悉的人)时，通过将96根电极植入到负责面部感知的大脑部分的记录来监控他们的大脑活动。录音表明，每张脸都诱发出独特的神经元激活模式，涉及以不同强度发射的不同组的神经元。有趣的是，一些面孔引发了相似的大脑活动模式-也就是说，它们具有相似的活动“签名”-而其他面孔则引发了彼此截然不同的激活模式。研究人员很想知道这些激活信号是否在我们识别面部的能力中起重要作用。