Evolutionären Gesichtserkennung in neuronalen Netzen nachgestellt

    Das menschliche Gehirn enthält mehrere Regionen mit unterschiedlichen, oft hochspezialisierten Funktionen, vom Erkennen von Gesichtern über das Verstehen von Sprache bis hin zum Nachdenken darüber, was andere denken. Es ist jedoch weitgehend unklar, warum der Cortex überhaupt diesen hohen Grad an funktioneller Spezialisierung aufweist. Dobs et al. (2022) untersuchten nun unter Verwendung künstlicher neuronaler Netze die Hypothese, ob die funktionelle Trennung der Gesichtswahrnehmung im Gehirn eine rechnerische Optimierung für das umfassendere Problem der visuellen Erkennung von Gesichtern und anderen visuellen Kategorien darstellt.

    Man stellte dabei fest, dass Netzwerke, die für die Objekterkennung trainiert wurden, bei der Gesichtserkennung schlecht abschneiden und umgekehrt, und dass Netzwerke, die für beide Aufgaben optimiert sind, sich spontan in getrennte Systeme für Gesichter und Objekte aufteilen. Offenbar entwickelt sich die funktionale Spezialisierung der Gesichts- und Objektverarbeitung in künstlichen neuronalen Netzen genauso wie im menschlichen Gehirn. Interessanterweise geschieht das, obwohl soziale Interaktion und emotionale Komponenten, die theoretisch beim Menschen die Ursache für die Spezialisierung sein könnten, für die künstliche Intelligenz keine Rolle spielten. Offenbar war die funktionale Spezialisierung eine optimale Strategie für die Wahrnehmung dieser Aufgaben, was im Gehirn über die Evolution in Millionen von Jahren geschah, und in künstlichen Netzwerken anhand von Millionen von Trainingsbeispielen in analoger Weise optimiert werden konnte.

    Literatur

    Dobs, K., Martinez, J., Kell, A.J.E. & Kanwisher, N. (2022). Brain-like functional specialization emerges spontaneously in deep neural networks. Science Advances, 8, doi:10.1126/sciadv.abl8913