麻省理工学院的James DiCarlo及其同事们训练了一个人工神经网络，使其更像人类和灵长类动物大脑的劣等颞叶（IT）皮层，以提高计算机视觉的能力。
研究人员根据灵长类动物视觉处理神经元的神经数据构建了一个计算机视觉模型，并将其任务设定为识别物体。
DiCarlo表示，这使得人工神经电路以不同的方式处理视觉信息。
研究人员发现，与缺乏神经数据训练的类似大小的网络模型相比，这个基于生物信息的模型IT层与IT神经数据更加吻合。
他们还发现，与神经对齐的模型对于评估计算机视觉和人工智能系统的对抗性攻击更具弹性。来自MIT新闻的完整文章
摘要版权 © 2023 SmithBucklin，华盛顿特区，美国 