关键词：
梦晨 发自 凹非寺
量子位 报道 | 公众号 QbitAI
DeepMind和中科院神经科学研究所联手了。
他们用无监督深度学习揭示出大脑识别人脸的机制。
具体来说，大脑会把面部特征分解成一些语义特征，如年龄、性别或是否在微笑，而且是单个神经元对应某个具体特征。
△图源Marta Garnelo
此外，他们构建的模型利用少量神经元的信号就能还原出整个面部图像，相关论文发表在最新一期Nature Communications上。
论文共同一作为DeepMind研究员Irina Higgins和中科院神经科学研究所研究员常乐。
其他参与者还包括DeepMind创始人哈撒比斯、加州理工神经科学研究院主任曹颖等。
他们的实验结果提出可以在单个神经元的尺度上去理解大脑视觉。
这一结果可以说打破了以往的认知，即认为单个神经元在很大程度上是不可解释的，有意义的信息存在于大量神经元的互动组合中。
相关领域的学者也表示会好好研究这篇文章，因为如果在看到这篇之前问他“无监督深度学习能解释大脑的什么机制吗？”，他会毫不犹豫地说“没戏”。
人工神经元与猕猴神经元有强对应
灵长类大脑有着惊人的处理视觉信息的能力，几毫秒之内就能对看到的复杂场景做出识别反应。
不过这种能力的具体运作机制一直没有研究透彻。
中科院常乐和加州理工曹颖之前都对猕猴的视觉机制做过研究，找出负责猕猴大脑负责识别面孔的是下颞叶皮层 （inferotemporal cortex）中的一部分。
这次与DeepMind的合作中，他们选用自监督的β-VAE（β变分自动编码器）来模拟大脑中负责识别面孔的模块。
在对比β-VAE模型的行为与猕猴的神经活动数据的过程中，研究人员发现真实神经元和人造神经元之间存在强烈的一一映射关系。
这下可好，虽然大脑的机制不易研究，VAE的原理可是很明白。
编码器把输入数据在隐空间中编码成各种特征，如物体的大小、颜色、位置，再由解码器进行重建。
这种能力被称为“解耦”或“解纠缠”，而β-VAE是VAE之中解耦能力较强的一种变体。
对于面部识别来说也是如此。
从年龄、性别到更具体的眼间距、眉毛粗细都会被分解成一个个特征。
β-VAE与猕猴神经元间的强对应关系，意味着生物大脑很可能也是按这种方式去感知人脸。
为了验证这一点，研究人员用猕猴神经元的测量数据去训练β-VAE，成功的进行了人脸的重建。
最后，研究团队希望来自机器学习的最新见解可以反馈给神经科学，并推广到识别人脸之外的任务，特别是抽象推理或通用任务学习。
作者介绍
本文的共同一作、通讯作者Irina Higgins是DeepMind研究员，也是β-VAE模型论文的第一作者。
共同一作常乐是中国科学院神经科学研究所的研究员，研究领域是结合功能核磁共振、电生理记录和数学建模等手段来研究不同种类的物体如何在猕猴的下颞叶皮层进行表征。
常乐曾在加州理工任博士后期间与曹颖合作。
曹颖从2017年起担任加州理工陈天桥雒芊芊脑科学研究院主任，2018年获得麦克阿瑟天才奖，2020年当选美国科学院院士。
论文地址
https://www.nature.com/articles/s41467-021-26751-5
参考链接：
[1]https://deepmind.com/research/publications/2021/unsupervised-deep-learning-identifies-semantic-disentanglement-in-single-inferotemporal-face-patch-neurons
dqn-深度q网络(代码片段)
...子，另外知乎上面也有相关的讨论其实早在13年的时候，deepmind出来了第一篇用深度学习来解决Q学习的问题的paper，那个时候deepmind还不够火，和一般的Q学习不同的是，由于12年Alex率先用CNN解决图像中的hig 查看详情
收藏|deepmind&ucl新课《深度强化学习》2021版上线
...xff0c;如有侵权，联系删除转载于：专知最近，DeepMind与UCL合作推出了一门深度强化学习进阶课程，以在线视频形式呈现。该课程共有13节课，该系列涵盖了基础的强化学习和规划的序列决策问题 查看详情
决胜北交大深度学习算法大赛，冠军揭示通关攻略
7月初，北京交通大学为了让上过《深度学习》课程的同学更好地实践深度学习技术应用，面向该校学生开展“深度学习暑期争霸赛”。OneFlow作为合作方承办了这次比赛，提供了17800元现金奖金池及上万元实物奖，... 查看详情
复现一篇深度强化学习论文之前请先看了这篇文章！
去年，OpenAI和DeepMind联手做了当时最酷的实验，不用经典的奖励信号来训练智能体，而是根据人类反馈进行强化学习的新方法。有篇博客专门讲了这个实验LearningfromHumanPreferences，原始论文是《DeepReinforcementLearningfromHumanPreferen... 查看详情
复现一篇深度强化学习论文之前请先看了这篇文章！
去年，OpenAI和DeepMind联手做了当时最酷的实验，不用经典的奖励信号来训练智能体，而是根据人类反馈进行强化学习的新方法。有篇博客专门讲了这个实验LearningfromHumanPreferences，原始论文是《DeepReinforcementLearningfromHumanPreferences》... 查看详情
一起入门deeplearning中科院深度学习_期末复习题2018-2019第二题：求梯度
专栏介绍：本栏目为“2022春季中国科学院大学王亮老师的深度学习”课程记录，这门课程与自然语言处理以及机器学习有部分知识点重合，重合的部分不再单独开博客记录了，有需要的读者可以移步💗自然语... 查看详情
深度学习介绍及简单应用(代码片段)
引言 深度学习背后的主要原理是从大脑中汲取灵感。，这种观点产生了“神经网络”术语，大脑包含数十亿个神经元，它们之间有数万个连接。在许多情况下，深度学习算法类似于大脑，因为大脑和深度学习模型都涉及大量... 查看详情
一个算法统治一切！deepmind提出神经算法推理，深度学习和传统算法融合再现奇迹？...(代码片段)
...：David、霜叶【新智元导读】一个算法统治一切！DeepMind提出神经算法推理（NAR）& 查看详情
机器学习和神经科学：你的大脑也在进行深度学习吗？
ps:这三个假说和人生风险投资结合其联想假说一：大脑优化成本函数TheBrainOptimizesCostFunctions假说二：不同脑区在发展的不同时期使用多样化的成本函数CostFunctionsAreDiverseacrossAreasandChangeoverDevelopment假说三：大脑中的专门系统高效... 查看详情
最详细教程labview深度学习工业缺陷检测
...方式，从而摆脱原来的固有数据库比较的限制。Tensorflow深度学习安装环境配置Tensorflow训练自己的数据集无GPU怎么快速训练自己的数据集通用云平台Yolov3算法训练自己的数据集深度学习的思想源自于“人工神经网络”，从大脑中... 查看详情
深度强化学习的“丛林”大冒险
DeepMind在AI界是一家神奇的公司，在过去的几年取得了许多令人瞩目的成绩，例如享誉世界的阿法狗打败人类登顶围棋的天花板，DeepmindAlphaStar打败了星际争霸人类高手等。在生命科学领域，AIphaFold2模型，可以... 查看详情
什么是深度学习，促进深度学习的策略
...帮助行业人才更快地掌握人工智能技术，中公优就业联合中科院自动化研究所专家，开设人工智能《深度学习》课程，通过深度剖析人工智能领域深度学习技术，培养人工智能核心人才。在为期5周的课程学习中，你将全面了解AI... 查看详情
让ai学会“哦买尬，买它！”，清北中科院cmu争相角逐顶会workshop竞赛，淘系技术&浙大联手举办...
萧箫发自凹非寺量子位报道|公众号QbitAI看场直播或视频，结果却看中了主播的衣服、裤子甚至裙子？现在，你不再需要手动截图识别了——已经有人将AI用在直播商品识别技术中，帮你自动“挑出”其中的商品。... 查看详情
如何通过python进行深度学习？
作者|ViharKurama编译|荷叶来源|云栖社区摘要：深度学习背后的主要原因是人工智能应该从人脑中汲取灵感。本文就用一个参考技术A作者|ViharKurama编译|荷叶来源|云栖社区摘要：深度学习背后的主要原因是人工智能应该从人脑中汲... 查看详情
一张图看懂ai机器学习和深度学习的区别
...，只是要看你所谈到的AI到底是什么。 例如，当谷歌DeepMind开发的AlphaGo程序打败韩国职业围棋高手LeeSe-dol，媒体在描述DeepMind的胜利时用到了AI、机器学习、深度学习等术语。Al 查看详情
人工智能深度学习机器学习常见面试题56~70
...述关于神经网络的描述，什么情况下神经网络模型被称为深度学习模型？ A.**加入更多层，使神经网络的 查看详情
如何选择深度学习框架tensorflow/torch/mxnet/theano
...度学习技术，成为人工智能领域高端人才，中公教育联合中科院自动化研究所专家， 查看详情
一张图看懂ai机器学习和深度学习的区别
...，只是要看你所谈到的AI到底是什么。 例如，当谷歌DeepMind开发的AlphaGo程序打败韩国职业围棋高手LeeSe-dol，媒体在描述DeepMind的胜利时用到了AI、机器学习、深度学习等术语。AlphaGo之所以打败LeeSe-dol，这三项技术都立下了汗... 查看详情