超越腹部流的思考:评论尔斯等人关于尔斯等人
Christopher Summerfield1, Jessica A F Thompson1
1Department of Experimental Psychology, University of Oxford, Oxford, UK christopher.summerfield@psy.ox.ac.uk jessica.thompson@psy.ox.ac.uk https://humaninformationprocessing.com/ https://thompsonj.github.io/about/.
The Behavioral and brain sciences
|December 6, 2023
概括
深度学习模型与视觉感知限制作斗争. 解决方案包括设计模仿生物视觉的任务.
科学领域:
- 计算机视觉 计算机视觉
- 神经科学是一个神经科学.
- 人工智能的人工智能
背景情况:
- 深度学习模型往往忽视了生物视觉感知中的既定约束.
- 之前的研究已经广泛记录了这些视觉感知限制.
研究的目的:
- 解决深度学习在捕捉视觉感知限制方面的局限性.
- 提出一种改进深度学习模型的方法,将其与生物视觉原则保持一致.
主要方法:
- 设计用于深度学习评估的新兴刺激和任务.
- 专注于生态有效的问题,如场景理解和行动准备.
主要成果:
- 深度学习模型可以通过结合生物相关任务来改进.
- 任务设计对于提高视觉中的深度学习模型的性能和通用性至关重要.
结论:
- 抛弃深度学习不是答案;相反,改进其应用.
- 将人工系统与生物视觉上的进化压力对齐,提供了一条有希望的前进道路.
