Jedes Mal, wenn Sie durch Facebook scrollen, sind Sie Dutzenden von Gesichtern ausgesetzt - manche sind vertraut, andere nicht. Mit nur einem kurzen Blick bewertet Ihr Gehirn die Merkmale dieser Gesichter und passt sie an die entsprechende Person an, oft bevor Sie überhaupt Zeit haben, zu lesen, wer das Album markiert oder wer es veröffentlicht hat. Untersuchungen haben ergeben, dass viele Menschen Gesichter erkennen, auch wenn sie andere wichtige Details einer Person, wie ihren Namen oder ihren Beruf, vergessen.
Verwandte Inhalte
- Wie wählt man einen Lemur aus einer Aufstellung aus? Diese Software macht den Sprung
- Diese App verwendet Gesichtserkennungssoftware, um genetische Zustände zu identifizieren
- Dieser tropische Fisch kann gelehrt werden, um menschliche Gesichter zu erkennen
Das macht Sinn: Als hochsoziales Tier muss der Mensch sich schnell und einfach anhand des Sehens identifizieren können. Aber wie genau funktioniert dieser bemerkenswerte Prozess im Gehirn?
Diese Frage beschäftigte 2014 Le Chang, einen Neurowissenschaftler am California Institute of Technology. In früheren Untersuchungen hatte sein Laborleiter bereits Neuronen im Gehirn von Primaten identifiziert, die Gesichter verarbeiteten und erkannten. Diese sechs Bereiche im Temporallappen des Gehirns, die als "Gesichtsflecken" bezeichnet werden, enthalten bestimmte Neuronen, die viel aktiver zu sein scheinen, wenn eine Person oder ein Affe auf ein Gesicht schaut als andere Objekte.
"Aber ich habe gemerkt, dass eine große Frage fehlt", sagt Chang. Das heißt: wie die Patches Gesichter erkennen. "Die Menschen kannten den genauen Code der Gesichter für diese Neuronen noch nicht."
Auf der Suche nach der Methode, mit der das Gehirn Gesichter analysiert und erkennt, entschloss sich Chang, das Gesicht mathematisch zu zerlegen. Er schuf fast 2.000 künstliche menschliche Gesichter und zerlegte ihre Bestandteile in Kategorien mit 50 Merkmalen, die Gesichter von Hautfarbe zu Augenabstand unterschiedlich machen. Sie implantierten Elektroden in zwei Rhesusaffen, um aufzuzeichnen, wie die Neuronen in den Gesichtsfeldern ihres Gehirns feuerten, als ihnen die künstlichen Gesichter gezeigt wurden.
Als Chang den Affen dann Tausende von Gesichtern zeigte, konnte er abbilden, welche Neuronen in Bezug auf welche Merkmale auf jedem Gesicht abgefeuert wurden, berichtet er in einer Studie, die diesen Monat in der Zeitschrift Cell veröffentlicht wurde .
Es stellte sich heraus, dass jedes Neuron in den Gesichtsfeldern in bestimmten Anteilen auf nur ein Merkmal oder eine "Dimension" dessen reagierte, was Gesichter anders macht. Dies bedeutet, dass für Ihre Neuronen ein Gesicht eine Summe von getrennten Teilen ist, im Gegensatz zu einer einzelnen Struktur. Chang merkt an, dass er in der Lage war, Gesichter zu kreieren, die extrem unterschiedlich wirkten, aber die gleichen Muster neuronalen Feuers erzeugten, weil sie die wichtigsten Merkmale gemeinsam hatten.
Diese Methode der Gesichtserkennung steht im Gegensatz zu dem, was einige Neurowissenschaftler bisher darüber gedacht haben, wie Menschen Gesichter erkennen. Zuvor gab es zwei entgegengesetzte Theorien: "Exemplarcodierung" und "Normcodierung". Für die Exemplarcodierungstheorie schlugen Neurowissenschaftler vor, dass das Gehirn Gesichter durch Vergleichen von Gesichtsmerkmalen mit extremen oder unterschiedlichen Beispielen von ihnen erkannte, während die Normcodierungstheorie dies vorschlug Das Gehirn analysierte, wie sich die Gesichtsmerkmale von einem „durchschnittlichen Gesicht“ unterschieden.
Das Verständnis dieses Musters neuronalen Feuers ermöglichte es Chang, einen Algorithmus zu entwickeln, mit dem er die Muster von nur 205 Neuronen, die feuerten, rückgängig machen konnte, während der Affe auf ein Gesicht blickte, um zu erstellen, welche Gesichter der Affe sah, ohne zu wissen, welches Gesicht der Affe sah . Wie ein Polizeiskizzenzeichner, der mit einer Person zusammenarbeitet, um Gesichtsmerkmale zu kombinieren, war er in der Lage, die durch die Aktivität jedes einzelnen Neurons vorgeschlagenen Merkmale zu übernehmen und sie zu einem vollständigen Gesicht zu kombinieren. In fast 70 Prozent der Fälle stimmten Menschen, die von der Crowdsourcing-Website Amazon Turk stammen, mit dem ursprünglichen und dem neu erstellten Gesicht überein.
"Die Leute sagen immer, ein Bild sagt mehr als tausend Worte", sagte die Mitautorin der Neurowissenschaft Doris Tsao in einer Pressemitteilung. "Aber ich möchte sagen, dass ein Bild von einem Gesicht etwa 200 Neuronen wert ist."
Die künstlichen Gesichter, die den Affen gezeigt wurden, und die Rekonstruktionen, die die Forscher nur mit der neuronalen Aktivität ihres Gehirns durchführten. (Doris Tsao) Bevil Conway, ein Neurowissenschaftler am National Eye Institute, sagte, die neue Studie habe ihn beeindruckt.
"Es liefert einen grundsätzlichen Bericht über die Entstehung der Gesichtserkennung anhand von Daten aus echten Neuronen", sagt Conway, der nicht an der Studie beteiligt war. Er fügte hinzu, dass uns solche Arbeiten helfen können, bessere Gesichtserkennungstechnologien zu entwickeln, die derzeit notorisch fehlerhaft sind. Manchmal ist das Ergebnis lächerlich, aber manchmal hat sich herausgestellt, dass die Algorithmen, auf die sich diese Programme stützen, ernsthafte rassistische Vorurteile aufweisen.
In der Zukunft sieht Chang seine Arbeit als potenziell für polizeiliche Ermittlungen genutzt, um potenzielle Kriminelle von Zeugen zu profilieren, die sie gesehen haben. Ed Connor, Neurowissenschaftler an der Johns Hopkins University, stellt sich eine Software vor, die entwickelt werden könnte, um Funktionen basierend auf diesen 50 Merkmalen anzupassen. Mit einem solchen Programm könnten Zeugen und Polizisten Gesichter auf der Grundlage der von Menschen zur Unterscheidung verwendeten Merkmale genau abstimmen, wie mit einem System von 50 Zifferblättern, mit denen Zeugen Gesichter in die verwandeln könnten, an die sie sich am meisten erinnern.
"Anstatt Menschen zu beschreiben, wie andere aussehen", spekuliert Chang, "könnten wir ihre Gedanken direkt entschlüsseln."
„Die Autoren haben ein großes Lob verdient, um diesen wichtigen Bereich voranzutreiben“, sagt Jim DiCarlo, Biomedizin-Ingenieur am MIT, der die Objekterkennung bei Primaten erforscht. DiCarlo, der nicht an der Studie beteiligt war, ist jedoch der Ansicht, dass die Forscher den Nachweis nicht ausreichend erbringen, dass nur 200 Neuronen erforderlich sind, um zwischen Gesichtern zu unterscheiden. Bei seinen Nachforschungen stellte er fest, dass ungefähr 50.000 Neuronen erforderlich sind, um Objekte realistischer zu unterscheiden, aber immer noch weniger realistisch als Gesichter in der realen Welt.
Basierend auf dieser Arbeit schätzt DiCarlo, dass das Erkennen von Gesichtern zwischen 2.000 und 20.000 Neuronen erfordern würde, um sie in einer groben Qualität zu unterscheiden. "Wenn die Autoren glauben, dass Gesichter von fast drei Größenordnungen weniger Neuronen codiert werden, wäre das bemerkenswert", sagt er.
"Insgesamt ist diese Arbeit eine schöne Ergänzung der vorhandenen Literatur mit einigen großartigen Analysen", schließt DiCarlo, "aber unser Gebiet ist noch nicht vollständig modellbasiert im Verständnis des neuronalen Codes für Gesichter."
Connor, der ebenfalls nicht in die neue Forschung involviert war, hofft, dass diese Studie neue Forschungen unter Neurowissenschaftlern anregen wird. Zu oft, sagt er, hat dieser Wissenschaftszweig die komplexeren Funktionen des Gehirns als „Black Boxes“ für computer-tiefe neuronale Netze abgetan: so chaotisch, dass man unmöglich verstehen kann, wie sie funktionieren.
"Es ist schwer vorstellbar, dass jemals jemand besser verstehen kann, wie die Gesichtsidentität im Gehirn kodiert ist", sagt Connor über die neue Studie. "Es wird die Menschen ermutigen, nach manchmal spezifischen und komplexen neuronalen Codes zu suchen." Er hat bereits mit Tsao über die Möglichkeit gesprochen, zu untersuchen, wie das Gehirn Mimik interpretiert.
"Die Neurowissenschaften werden nie interessanter, als wenn sie uns zeigen, welche physischen Ereignisse im Gehirn bestimmte Erfahrungen hervorrufen", sagt Connor. "Für mich ist das der Heilige Gral."
