【新智元導讀】麻省理工學(xué)院(MIT)的研究人員利用機器學(xué)習算法中的深度神經(jīng)網(wǎng)絡(luò )，創(chuàng )造出了第一個(gè)可以在識別音樂(lè )類(lèi)型等聽(tīng)覺(jué)任務(wù)上模擬人類(lèi)表現的模型。

該模型由許多信息處理單元組成，通過(guò)輸入大量的數據來(lái)訓練此模型，以完成特定的任務(wù)。研究人員利用該模型來(lái)闡明人腦是如何執行同樣的任務(wù)的。

JoshMcDermott說(shuō)：“這些模型第一次給我們提供一個(gè)能夠執行對人類(lèi)有意義的感官任務(wù)的機器系統，并且是在人類(lèi)的水平等級上進(jìn)行這項工作。”他是麻省理工學(xué)院大腦和認知科學(xué)系的神經(jīng)科學(xué)FrederickA.和CaroleJ.Middleton的助理教授，也是這項研究的資深作者。“從歷史上看，這種感官的處理方式很難理解，部分原因是我們沒(méi)有一個(gè)非常明確的理論基礎，也沒(méi)有一個(gè)很好的方法來(lái)對可能正在發(fā)生的事情進(jìn)行開(kāi)發(fā)建模。”

這項研究發(fā)表在4月19日的《Neuron》雜志上，這項研究也證明了人類(lèi)的聽(tīng)覺(jué)皮層排列在在一個(gè)等級分明的組織中，就像視覺(jué)皮質(zhì)一樣。在這種類(lèi)型的排列中，感官信息經(jīng)過(guò)連續的處理，基本信息處理得更早，而像單詞含義一樣的更高級特征在后期處理。

麻省理工學(xué)院研究生AlexanderKell和斯坦福大學(xué)助理教授DanielYamins是論文的主要作者。其他作者是麻省理工學(xué)院前訪(fǎng)問(wèn)學(xué)生EricaShook和前麻省理工學(xué)院博士后SamNormanHaignere。

大腦建模：模型學(xué)會(huì )了像人類(lèi)一樣準確地執行任務(wù)

當神經(jīng)網(wǎng)絡(luò )在20世紀80年代首次出現時(shí)，神經(jīng)科學(xué)家們希望這種系統可以用來(lái)模擬人腦。然而，來(lái)自那個(gè)時(shí)代的計算機不夠強大，無(wú)法建立足夠大的模型來(lái)進(jìn)行一些實(shí)際任務(wù)，如物體識別或語(yǔ)音識別等。

在過(guò)去的五年里，隨著(zhù)計算能力和神經(jīng)網(wǎng)絡(luò )技術(shù)的進(jìn)步，使用神經(jīng)網(wǎng)絡(luò )來(lái)執行這些困難的現實(shí)任務(wù)已經(jīng)成為一種可能，而且它們已經(jīng)成為許多工程應用程序中的標準方法。與此同時(shí)，一些神經(jīng)科學(xué)家對這些系統是否能夠來(lái)模擬人腦進(jìn)行了重新審視。

Kell說(shuō)：“這對于神經(jīng)科學(xué)來(lái)說(shuō)是一個(gè)激動(dòng)人心的機會(huì )，因為我們可以創(chuàng )造出可以代替人類(lèi)來(lái)執行某些工作的系統，然后我們可以對這些模型進(jìn)行測試并將它們與大腦進(jìn)行比較。”

麻省理工學(xué)院的研究人員訓練他們的神經(jīng)網(wǎng)絡(luò )來(lái)執行兩個(gè)聽(tīng)覺(jué)任務(wù)，一個(gè)涉及語(yǔ)音，另一個(gè)涉及音樂(lè )。在語(yǔ)音任務(wù)中，研究人員給模型提供了成千上萬(wàn)的兩秒鐘長(cháng)的錄音。任務(wù)是識別音頻中單詞。在音樂(lè )任務(wù)中，該模型被要求識別那些兩秒鐘音樂(lè )片段的類(lèi)型。每個(gè)片段還包括背景噪音，使任務(wù)更加現實(shí)也更加困難。

在完成了成千上萬(wàn)的數據訓練之后，模型學(xué)會(huì )了像人類(lèi)一樣準確地執行任務(wù)。

Kell說(shuō)：“這個(gè)想法是隨著(zhù)時(shí)間的推移，模型在任務(wù)中變得越來(lái)越好。希望它正在學(xué)習一些一般的東西，所以如果你給模型輸入一種它以前從未聽(tīng)過(guò)的新聲音，它會(huì )做得很好，這已經(jīng)在實(shí)驗中得到了證明。”

該模型還傾向于在人類(lèi)最容易犯錯誤的片段上犯錯誤。

組成神經(jīng)網(wǎng)絡(luò )的處理單元可以以多種方式組合在一起，形成可以影響模型的性能的不同模型結構。

麻省理工研究團隊發(fā)現，這兩項任務(wù)的最佳模型是將處理分為兩組階段。第一階段是在任務(wù)之間共享的，但在此之后，它分成兩個(gè)分支，用于進(jìn)一步的分析：一個(gè)用于語(yǔ)音處理任務(wù)，另一個(gè)用于音樂(lè )處理任務(wù)。

分級的證據：初級聽(tīng)覺(jué)皮層和其他有區別

然后，研究人員用他們的模型對一個(gè)長(cháng)期存在的關(guān)于聽(tīng)覺(jué)皮層結構的問(wèn)題進(jìn)行了探索：它是否分級。

在分級系統中，一系列的大腦區域在流經(jīng)系統的感官信息上執行不同類(lèi)型的計算。有證據表明，視覺(jué)皮層有相同類(lèi)型的組織結構。前期的區域，被稱(chēng)為初級視覺(jué)皮質(zhì)，對簡(jiǎn)單的特征如顏色或方向做出反應。后端的區域則執行更復雜的任務(wù)，如對象識別。

然而，很難測試這種類(lèi)型的組織是否也存在于聽(tīng)覺(jué)皮層中，部分原因是沒(méi)有一個(gè)好的模型來(lái)對人類(lèi)的聽(tīng)覺(jué)行為進(jìn)行復制。

McDermott說(shuō)：“我們認為，如果我們可以構建一個(gè)和人類(lèi)執行同樣任務(wù)的模型，我們就能夠比較將模型不同階段的不同部分與大腦進(jìn)行比價(jià)，這樣可以得到一些證據來(lái)證明大腦中的一些部分是否是分級的組織。”

研究人員發(fā)現，在他們的模型中聲音的基本特征，如頻率在早期階段更容易被提取。當信息在神經(jīng)網(wǎng)上不斷向后傳輸的過(guò)程中，一些基本特征越來(lái)越難提取，而更高層次的信息，例如詞的含義變得更容易提取。

為了驗證模型階段是否可以復制人類(lèi)聽(tīng)覺(jué)皮層處理聲音信息的方式，研究人員使用了功能性磁共振成像(fMRI)來(lái)測量大腦處理真實(shí)聲音時(shí)聽(tīng)覺(jué)皮層的不同區域。然后，他們比較了在處理相同的聲音時(shí)，大腦和模型的區別。

他們發(fā)現，模型的中間階段與大腦初級聽(tīng)覺(jué)皮層的活動(dòng)相似性最高，隨后的網(wǎng)絡(luò )與初級皮質(zhì)以外的活動(dòng)相呼應。研究人員說(shuō)，這為聽(tīng)覺(jué)皮層以一種類(lèi)似于視覺(jué)皮層的分級方式排列提供了證據。

McDermott說(shuō)：“我們非常清楚地看到，初級聽(tīng)覺(jué)皮層和其他所有東西之間的區別。”

作者現在打算開(kāi)發(fā)一種可以執行其他類(lèi)型的聽(tīng)覺(jué)任務(wù)的模型，例如特定聲音的發(fā)聲位置定位，來(lái)探討這些任務(wù)是否可以通過(guò)本文中發(fā)現的思路來(lái)完成，或者說(shuō)其他的一些任務(wù)通過(guò)對人腦進(jìn)行研究，以獲得新的思路。