Wetenschappers van Salk Institute (VS), Skoltech (Rusland), en het Riken Center for Brain Science (Japan) onderzocht een theoretisch model van hoe populaties van neuronen in de visuele cortex van de hersenen gezichten en hun uitdrukkingen kunnen herkennen en verwerken, en hoe ze zijn georganiseerd. Het onderzoek is onlangs gepubliceerd in Neurale berekening en gemarkeerd op de omslag.

Mensen hebben een verbazingwekkend vermogen om een ​​groot aantal individuele gezichten te herkennen en gezichtsuitdrukkingen te interpreteren. Deze vaardigheden spelen een sleutelrol in menselijke sociale interacties. Echter, hoe het menselijk brein dergelijke complexe visuele informatie verwerkt en opslaat, is nog steeds slecht begrepen.

Skoltech-wetenschappers Anh-Huy Phan en Andrzej Cichocki, met hun collega's uit de VS en Japan, Sidney Lehky en Keiji Tanaka, trachtte beter te begrijpen hoe de visuele cortex informatie met betrekking tot gezichtsherkenning verwerkt en opslaat. Hun benadering was gebaseerd op het idee dat een menselijk gezicht conceptueel kan worden weergegeven als een verzameling onderdelen of componenten, inclusief ogen, wenkbrauw, neus, mond, enz. Met behulp van een machine learning-benadering, ze pasten een nieuw tensor-algoritme toe om gezichten te ontbinden in een reeks componenten of afbeeldingen die tensorfaces worden genoemd, evenals de bijbehorende gewichten, en weergegeven gezichten door lineaire combinaties van die componenten. Op deze manier, ze bouwden een wiskundig model dat het werk beschrijft van de neuronen die betrokken zijn bij gezichtsherkenning.

"We gebruikten nieuwe tensordecomposities om gezichten weer te geven als een set componenten met een gespecificeerde complexiteit, die kunnen worden geïnterpreteerd als modelgezichtscellen en aangeven dat menselijke gezichtsrepresentaties bestaan ​​uit een mengsel van gezichtscellen met een lage en gemiddelde complexiteit, " zei Skoltech-professor Andrzej Cichocki.