Vers le site Automates Intelilgents
La Revue mensuelle n° 181
Robotique, vie artificielle, réalité virtuelle

Information, réflexion, discussion
logo admiroutes

Tous les numéros


Archives
(classement par rubrique

Image animée
 Dans La Revue
 

Retour au sommaire

Automates Intelligents s'enrichit du logiciel Alexandria.
Double-cliquez sur chaque mot de cette page et s'afficheront alors définitions, synonymes et expressions constituées de ce mot. Une fenêtre déroulante permet aussi d'accéder à la définition du mot dans une autre langue (22 langues sont disponibles, dont le Japonais).

 

Article. Les neurones responsables de la reconnaissance des visages
Jean-Paul Baquiast 14/06/2017

 

Crédit Doris Tsao

Des chercheurs américains du California Institute of Technology, dans un article qui vient d'être publié dans le n° du 1er juin de la revue Cell (voir référence ci-dessous), montrent comment ils ont pu identifier la façon dont les visages sont identifiés et mémorisés par le cerveau. C'est évidemment l'image de ces visages, capturée par le regard, qui fait l'objet de ce traitement. En fait, la recherche n'a pas été menée sur des sujets humains, mais sur des singes. La proximité de ceux-ci avec l'homme permet selon ces chercheurs d'extrapoler.

Ils estiment avoir découvert le code permettant au cerveau d'identifier et mémoriser les visages.
Or ils ont montré que le cerveau n'avait besoin que de 200 neurones environ pour accomplir cette tâche essentielle à la vie en société.

La professeur de biologie Doris Tsao (http://tsaolab.caltech.edu/?q=People_Tsao), responsable de l'équipe, explique qu'il est désormais possible de reconstruire le visage qu'un singe regarde en analysant l'activité électrique de 200 neurones dans son cerveau. Ceux-ci sont situés dans six zones très réduites du cortex temporal inférieur. Elles comportent des cellules nerveuses spécifiques qui produisent beaucoup plus de potentiels d'action quand le sujet perçois des visages plutôt que d'autres objets. L'équipe a nommé ces cellules des « face cells » ou cellules spécialisées dans la reconnaissance des visages.

Il y a là un paradoxe. L'homme peut en principe reconnaître le visage de 6 milliards de personnes. Il ne dispose pas d'un nombre de neurones suffisant pour que l'image d'un visage soit durablement associé à un ou plusieurs neurones dédiés.

Les chercheurs ont montré que chaque « face cell » ne représentait pas un objet spécifique. Elles travaillent dans un axe spécifique à l'intérieur d'un espace multidimensionnel qu'ils ont nommé « face space » ou « espace des visages ». Ces axes peuvent se combiner de différentes façons de façon à singulariser durablement chaque visage possible. Les cellules mesurent seulement la distance existant le long d'un axe spécifique de l'espace des visages et sont insensibles aux autres caractéristiques.

L'équipe estime que cette découverte pourra avoir des applications en Intelligence Artificielle, dans le cadre de machines utilisant des algorithmes s'en inspirant. Les champs de ceux-ci pourront ne pas se limiter à la reconnaissance des visages, mais à celle d'objets très divers ou même à celle du contenu sémantique des phrases.

Nous reprenons ici un commentaire publié à propos de l'article par Caltech:

This research was supported by the National Institutes of Health, the Howard Hughes Medical Institute, the Tianqiao and Chrissy Chen Institute for Neuroscience at Caltech, and the Swartz Foundation.
* The researchers started by creating a 50-dimensional space that codes uld represent all faces. They assigned 25 dimensions to the shape–such as the distance between eyes or the width of the hairline–and 25 dimensions to nonshape-related appearance features, such as skin tone and texture.
Using macaque monkeys as a model system, the researchers inserted electrodes into the brains that could record individual signals from single face cells within the face patches. They found that each face cell fired in proportion to the projection of a face onto a single axis in the 50-dimensional face space. Knowing these axes, the researchers then developed an algorithm that could decode additional faces from neural responses.
In other words, they could now show the monkey an arbitrary new face, and recreate the face that the monkey was seeing from electrical activity of face cells in the animal’s brain. When placed side by side, the photos that the monkeys were shown and the faces that were recreated using the algorithm were nearly identical. Face cells from only two of the face patches–106 cells in one patch and 99 cells in another–were enough to reconstruct the faces. “People always say a picture is worth a thousand words,” Tsao says. “But I like to say that a picture of a face is worth about 200 neurons.”

Abstract du Code for Facial Identity in the Primate Brain

Primates recognize complex objects such as faces with remarkable speed and reliability. Here, we reveal the brain’s code for facial identity. Experiments in macaques demonstrate an extraordinarily simple transformation between faces and responses of cells in face patches. By formatting faces as points in a high-dimensional linear space, we discovered that each face cell’s firing rate is proportional to the projection of an incoming face stimulus onto a single axis in this space, allowing a face cell ensemble to encode the location of any face in the space. Using this code, we could precisely decode faces from neural population responses and predict neural firing rates to faces. Furthermore, this code disavows the long-standing assumption that face cells encode specific facial identities, confirmed by engineering faces with drastically different appearance that elicited identical responses in single face cells. Our work suggests that other objects could be encoded by analogous metric coordinate systems.


Référence

http://www.cell.com/cell/fulltext/S0092-8674(17)30538-X