人工智能可以识别人脸，但不像人脑

人脸识别技术可以模拟人类的表现，甚至可以超越它。它与摄像头一起使用进行实时识别变得越来越普遍，例如解锁智能手机或笔记本电脑、登录社交媒体应用程序以及在机场办理登机手续。

深度卷积神经网络（又名 DCNN）是人工智能的核心组成部分，用于识别视觉图像，包括人脸图像。这个名字和结构的灵感都来自大脑视觉通路的组织——一个多层结构，每一层的复杂性都在逐渐增加。

第一层处理简单的功能，例如图像的颜色和边缘，复杂性逐渐增加，直到最后一层执行人脸识别。

对于人工智能，一个关键问题是DCNN是否可以帮助解释人类行为和复杂功能的大脑机制，如面部感知、场景感知和语言。

在最近发表在《美国国家科学院院刊》上的一项研究中，达特茅斯学院的一个研究小组与博洛尼亚大学合作，研究了DCNN是否可以模拟人类的面部处理。结果表明，人工智能并不是理解大脑如何处理随着表情变化而移动的面孔的良好模型，因为此时，人工智能旨在识别静态图像。

“科学家们正试图使用深度神经网络作为理解大脑的工具，但我们的研究结果表明，这个工具与大脑完全不同，至少目前是这样，”共同主要作者、心理与脑科学系博士后郭佳慧说。

与之前的大多数研究不同，这项研究使用代表不同种族、年龄和表情的面部视频测试了 DCNN，这些视频自然移动，而不是使用静态图像，例如面部照片。
 

郭佳慧（左）和马飞龙，共同主要作者和心理和脑科学博士后研究员（摄影：Robert Gill）

为了测试DCNN和人类的人脸识别机制有多相似，研究人员用最先进的DCNN分析了这些视频，并研究了人类如何使用记录参与者大脑活动的功能性磁共振成像扫描仪处理它们。他们还研究了参与者在面部识别任务中的行为。

研究小组发现，参与者的大脑面部表征高度相似，而人工智能的面部人工神经代码在不同的DCNN中高度相似。但大脑活动与DCNN的相关性较弱。DCNN只捕获了大脑中编码的一小部分信息，这表明这些人工神经网络在当前状态下，无法为人脑如何处理动态面孔提供不充分的模型。

“大脑中编码的独特信息可能与处理动态信息和高级认知过程（如记忆和注意力）有关，”共同主要作者、心理学和脑科学博士后马飞龙解释说。

通过面部处理，人们不仅可以确定一张脸是否与另一张脸不同，还可以推断其他信息，例如心理状态以及该人是否友好或值得信赖。相比之下，当前的 DCNN 仅用于识别人脸。

“当你看着一张脸时，你会得到很多关于这个人的信息，包括他们可能在想什么，他们可能有什么感受，以及他们试图给人留下什么样的印象，”合著者詹姆斯·哈克斯比说，他是心理与脑科学系教授，认知神经科学中心前主任。“涉及许多认知过程，使您能够获得有关其他人的信息，这对社交互动至关重要。

“有了人工智能，一旦深度神经网络确定了一张脸是否与另一张脸不同，这就是故事的结局，”博洛尼亚大学医学和外科科学系副教授、合著者玛丽亚·艾达·戈比尼（Maria Ida Gobbini）说。“但对于人类来说，识别一个人的身份只是一个开始，因为其他心理过程正在启动，而人工智能目前还没有。

“如果开发人员希望人工智能网络能够更准确地反映人脸处理在人脑中是如何发生的，他们需要构建基于现实生活中刺激的算法，例如视频中的动态人脸，而不是静态图像，”郭说。