[[201526]]

Nature 子刊 Nature Human Behavior 上***發(fā)表了一篇關(guān)于人類行為的研究，通過對(duì)自然圖像中的字母進(jìn)行無監(jiān)督學(xué)習(xí)，探討了人類是如何獲得文字識(shí)別能力的。研究人員提出了一個(gè)基于深度神經(jīng)網(wǎng)絡(luò)的大規(guī)模字母識(shí)別計(jì)算模型，通過將概率生成模型與視覺輸入擬合，以完全無監(jiān)督的方式開發(fā)了復(fù)雜的內(nèi)部表征的層次結(jié)構(gòu)。

書寫符號(hào)的使用是人類文化發(fā)展的重大成就。然而，抽象的字母表征是如何在視覺中進(jìn)行學(xué)習(xí)的，這仍然是未解決的問題。發(fā)表在 Nature.com 上的一篇題為 Letter perception emerges from unsupervised deep learning and recycling of natural image features 的研究報(bào)告中，研究人員提出了一個(gè)基于深度神經(jīng)網(wǎng)絡(luò)的大規(guī)模的字母識(shí)別計(jì)算模型，通過將概率生成模型與視覺輸入擬合，以完全無監(jiān)督的方式開發(fā)了更為復(fù)雜的內(nèi)部表征的層次結(jié)構(gòu)。

有這樣一個(gè)假設(shè)，學(xué)習(xí)書寫符號(hào)部分地重新使用了用于對(duì)象識(shí)別的預(yù)先存在的神經(jīng)元回路，模型的早期處理階段利用了從自然圖像中學(xué)習(xí)的一般領(lǐng)域(domain-general)的視覺特征，而特定領(lǐng)域(domain-specific)的特征則出現(xiàn)在曝光于印刷字母前的上游神經(jīng)元中。

研究論證，即使對(duì)于噪聲降級(jí)(noise-degraded)的圖像，這些高級(jí)別表征可以很容易地映射到字母識(shí)別，從而產(chǎn)生和人類觀察者類似的對(duì)于字母認(rèn)知的廣泛實(shí)證結(jié)果的準(zhǔn)確模擬。研究者的模型顯示出，通過重用自然的視覺原語(primitives)，學(xué)習(xí)書寫符號(hào)只需要有限的、特定領(lǐng)域的調(diào)整，這支持了字母形狀被文化選擇以匹配自然環(huán)境的統(tǒng)計(jì)結(jié)構(gòu)的假設(shè)。

圖 1a 刻畫了研究者提出的模型的整體架構(gòu)。網(wǎng)絡(luò)底層接收了作為圖像像素 灰度級(jí)別激活編碼的感知信號(hào)。出現(xiàn)在視網(wǎng)膜和丘腦中的低級(jí)別視覺處理被一個(gè)啟發(fā)自生物學(xué)的 whitening 算法所模擬，捕捉到了圖像中的局部空間關(guān)系，成為了對(duì)比歸一化(contrast normalization)的一個(gè)步驟。

圖1 是深度學(xué)習(xí)架構(gòu)和自然圖像及印刷字母數(shù)據(jù)樣本。

a，深度學(xué)習(xí)架構(gòu)。每個(gè)框代表了網(wǎng)絡(luò)中的一層神經(jīng)元。和 whitening 步驟相應(yīng)的有方向的箭頭引出了前饋的處理過程，而無方向的連接顯示了無監(jiān)督生成學(xué)習(xí)所利用的雙向處理過程。和線性讀數(shù)層相應(yīng)的有方向的箭頭引出了監(jiān)督學(xué)習(xí)。在字母處理過程中涉及到的相應(yīng)大腦網(wǎng)絡(luò)顯示在右側(cè)(LGN, 背外側(cè)膝狀體核; V1, 首要視覺皮層; V2, 二級(jí)視覺皮層; V4, 紋狀體外視覺皮層;OTS, 顳枕溝);

b,包含多個(gè)小 patch (40 × 40 pixels)的自然圖像，顯示在右側(cè);c,研究者的數(shù)據(jù)集中印刷字母的樣本，使用多種字體、風(fēng)格、大小和位置關(guān)系創(chuàng)造而成。

研究人員將編碼在***個(gè)內(nèi)部層(隱式)神經(jīng)元的潛在特征集稱為H1, H1 模仿了出現(xiàn)在早期大腦皮層視覺(corticalvision ，在 V1 和 V2 中)的處理類型。

圖2 是新出現(xiàn)的神經(jīng)元感受野(receptive fields)、表征選擇和模型中字母識(shí)別準(zhǔn)確度。

a,在 H1 層中神經(jīng)元樣本的感受野，灰度體現(xiàn)其連接強(qiáng)度(黑色：強(qiáng)，inhibitory connection;白色：強(qiáng)，excitatory connection);

b,H2 層中隱式神經(jīng)元樣本的感受野;

c 和 d，H1 層(c)和H2層(d)中對(duì)于不同刺激的平均反饋(activation norm);

e, 作為噪聲級(jí)別函數(shù)(即, 高斯噪聲的標(biāo)準(zhǔn)偏差)的不同表征層讀數(shù)的準(zhǔn)確度;f，無噪聲刺激樣本，及含噪聲的對(duì)應(yīng)版本，性能表現(xiàn)約為前者的 50%。

圖3 是人類心理物理學(xué)研究的模擬。

a，模型混淆矩陣和各種經(jīng)驗(yàn)混淆矩陣之間的Pearson 相關(guān)性(均P <0.001)。注意，所有經(jīng)驗(yàn)矩陣之間的平均互相關(guān)為0.56;b，通過 H2 表征層次聚類得出的樹狀圖，表明在網(wǎng)絡(luò)的內(nèi)部表征中保留了字母之間的視覺相似性。連接柱的高度表示歐氏距離(較小的條表示更大的相似度);

c，每個(gè)字體的平均perimetric 復(fù)雜度與noise-degraded 刺激的相應(yīng)平均字母識(shí)別精度之間的負(fù)相關(guān);

d，根據(jù)平均字母混淆排列的所有字體列表，從最小混亂(上)到***混亂(底部)。

圖4 是感知渠道中介字母識(shí)別的空間頻率分析。

a，b，疊加在高斯噪聲(均方根對(duì)比度= 0.2)和背景(亮度= 0.2)上的低通(a)和高通(b)濾波字母的樣本;

c，根據(jù)濾波器類型的H2讀數(shù)敏感度對(duì)比函數(shù)，每個(gè)字母的頻率范圍從 0.8 到 6.6(兩個(gè)軸均為對(duì)數(shù))。注意，與對(duì)應(yīng)于低通和高通噪聲的曲線相比，對(duì)應(yīng)于低通濾波和高通濾波的曲線相反，因?yàn)檠芯空咧苯訉?duì)輸入信號(hào)而不是調(diào)制噪聲進(jìn)行濾波。