Les réseaux neuronaux entraînés fonctionnent comme les humains lors des tests psychologiques classiques

Mme Tech

Au début du XXe siècle, un groupe de psychologues expérimentaux allemands a commencé à se demander comment le cerveau acquiert des perceptions significatives d'un monde autrement chaotique et imprévisible. Pour répondre à cette question, ils ont développé la notion d'effet de gestalt, l'idée qu'en matière de perception, le tout est autre chose que les parties.

Depuis lors, les psychologues ont découvert que le cerveau humain est remarquablement doué pour percevoir des images complètes sur la base d'informations fragmentaires. Un bon exemple est la figure montrée ici. Le cerveau perçoit des formes bidimensionnelles telles qu'un triangle et un carré, et même une sphère tridimensionnelle. Mais aucune de ces formes n'est explicitement dessinée. Au lieu de cela, le cerveau comble les lacunes.

Une extension naturelle de ce travail consiste à se demander si les effets de gestalt se produisent dans les réseaux de neurones. Ces réseaux sont inspirés du cerveau humain. En effet, les chercheurs qui étudient la vision artificielle affirment que les réseaux de neurones profonds qu'ils ont développés s'avèrent remarquablement similaires au système visuel du cerveau des primates et à certaines parties du cortex humain.

Cela conduit à une question intéressante : les réseaux de neurones peuvent-ils percevoir un objet entier en regardant simplement ses parties, comme le font les humains ?

Aujourd'hui, nous obtenons une réponse grâce au travail de Been Kim et de ses collègues de Google Brain, la division de recherche sur l'IA de l'entreprise à Mountain View, en Californie. Les chercheurs ont testé divers réseaux de neurones en utilisant les mêmes expériences de gestalt conçues pour les humains. Et ils disent qu'ils ont de bonnes preuves que les machines peuvent effectivement percevoir des objets entiers en utilisant des observations des parties.

L'expérience de Kim et co est basée sur l'illusion du triangle illustrée sur la figure. Ils créent d'abord trois bases de données d'images pour entraîner leurs réseaux de neurones. Le premier consiste en des triangles complets ordinaires affichés dans leur intégralité.

La base de données suivante ne montre que les coins des triangles, avec des lignes qui doivent être interpolées pour percevoir la forme complète. C'est l'ensemble de données illusoire. Lorsque les humains voient ces types d'images, ils ont tendance à combler les lacunes et finissent par percevoir le triangle dans son ensemble. Nous visons à déterminer si les réseaux de neurones présentent des effets de fermeture similaires, disent Kim et co.

La base de données finale se compose de coins similaires mais orientés de manière aléatoire afin que les lignes ne puissent pas être interpolées pour former des triangles. Il s'agit de l'ensemble de données non illusoire.

En faisant varier la taille et l'orientation de ces formes, l'équipe a créé près de 1 000 images différentes pour entraîner leurs machines.

Leur approche consiste à entraîner un réseau de neurones à reconnaître des triangles complets ordinaires, puis à tester s'il classe les images dans l'ensemble de données illusoires comme des triangles complets (tout en ignorant les images dans l'ensemble de données non illusoires). En d'autres termes, ils testent si la machine peut combler les lacunes dans les images pour former une image complète.

Ils comparent également le comportement d'un réseau formé avec le comportement d'un réseau non formé ou formé sur des données aléatoires.

Les résultats rendent la lecture intéressante. Il s'avère que le comportement des réseaux de neurones entraînés présente des similitudes remarquables avec les effets de la gestalt humaine. Nos résultats suggèrent que les réseaux de neurones formés avec des images naturelles présentent une fermeture, contrairement aux réseaux avec des poids aléatoires ou des réseaux qui ont été formés sur des données visuellement aléatoires, disent Kim et co.

C'est un résultat fascinant. Et pas seulement parce qu'il montre comment les réseaux de neurones imitent le cerveau pour donner un sens au monde.

Le tableau d'ensemble est que l'approche de l'équipe ouvre la porte à une toute nouvelle façon d'étudier les réseaux de neurones à l'aide des outils de la psychologie expérimentale. Nous pensons que l'exploration d'autres lois de la Gestalt - et plus généralement d'autres phénomènes psychophysiques - dans le contexte des réseaux de neurones est un domaine prometteur pour les recherches futures, déclarent Kim et co.

Cela ressemble à un premier pas dans un nouveau domaine de la psychologie des machines. Comme l'a dit l'équipe de Google : Comprendre où les humains et les réseaux de neurones diffèrent sera utile pour la recherche sur l'interprétabilité en éclairant les différences fondamentales entre les deux espèces intéressantes. Les psychologues expérimentaux allemands du début du XXe siècle auraient certainement été fascinés.

Réf : arxiv.org/abs/1903.01069 : Les réseaux de neurones montrent-ils des phénomènes de Gestalt ? Une exploration de la loi de fermeture

cacher