環境非依存の知覚を実現するプリワイヤード静的視覚受容野

科学分野:

• 計算神経科学
• 人工知能
• コンピュータビジョン

背景:

• 生物学的な脳は、動的な環境に対して顕著な適応性を示します。
• 従来の深層ニューラルネットワーク（DNN）はドメインシフトに苦労しており、実世界での応用を制限しています。
• 生物学的な脳の初期視覚経路は、環境非依存の認識を助ける静的な受容野を発達させます。

研究 の 目的:

• 静的で固定配線の受容野が、深層ニューラルネットワークのドメイン汎化能力を向上させることができるかどうかを調査すること。
• 生物学的な視覚処理を模倣することが、人工システムにおける継続学習を強化できるかどうかを判断すること。
• 初期層の固定フィルターが物体認識の堅牢性に与える影響を探求すること。

主な方法:

• DNNの初期層に事前に開発されたGaborフィルターを実装し、トレーニング中は静的に保ちました。
• 大幅なドメインシフトの下でネットワークをトレーニングおよびテストしました。
• 修正されたDNNの汎化能力と表現特性を、従来のDNNと比較しました。

主要な成果:

• 静的なGaborフィルターを備えたネットワークは、堅牢な継続学習とドメインを横断する汎化能力を示しました。
• 静的なフィルターは局所的なテクスチャの偏りを防ぎ、霊長類に似た形状ベースの知覚を促進しました。
• 修正されたDNNは、ドメイン固有の分散を捉える従来のDNNとは異なり、一般化された潜在空間表現を達成しました。

結論:

• 静的で固定配線の受容野は、動的な環境における信頼性の高い継続学習のための重要な生物学的戦略です。
• 生物学に着想を得た静的なフィルターをDNNに組み込むことで、ドメインシフトに対する堅牢性が向上します。
• このアプローチは、より適応性があり汎用性の高い人工知能システムへの道を提供します。