टोरंटो :कॅनडातील वेस्टर्न युनिव्हर्सिटीच्या न्यूरोइमेजिंग तज्ञ मेरीके मूर यांच्या नेतृत्वाखालील संशोधनानुसार, मुख्य शब्द संगणकासारखे असतात. सखोल शिक्षणाचे सामर्थ्य आणि वचन असूनही, मानवी गणनेमध्ये अद्याप प्रभुत्व मिळणे बाकी आहे आणि महत्त्वाचे म्हणजे शरीर आणि मन यांच्यातील संवाद आणि संपर्क शोधला गेला आहे. विशेषत: जेव्हा व्हिज्युअल ओळखीचा प्रश्न येतो. या प्रकारच्या मशीन लर्निंग प्रक्रियेमध्ये परस्परसंबंधित नोड्स किंवा न्यूरॉन्सचा वापर स्तरित संरचनेत होतो, जे मानवी मेंदूसारखे असते.
कॉम्प्युटेशनल मॉडेल्स : डीप न्यूरल नेटवर्क्स आशादायक असताना, मानवी दृष्टीच्या अचूक संगणकीय मॉडेलपासून दूर आहेत, असे मुर म्हणाले. मागील अभ्यासातून असे दिसून आले आहे की सखोल शिक्षण मानवी व्हिज्युअल ओळखीचे पुनरुत्पादन करू शकत नाही. परंतु मानवी दृष्टी सखोल शिक्षणाच्या कोणत्या पैलूंची प्रतिकृती तयार करण्यात अयशस्वी ठरते हे प्रस्थापित करण्याचा प्रयत्न फार कमी लोकांनी केला आहे. टीमने मॅग्नेटोएन्सेफॅलोग्राफी (MEG) नावाची नॉन-इनवेसिव्ह वैद्यकीय चाचणी वापरली जी विद्युत प्रवाहांद्वारे निर्माण झालेल्या मेंदूच्या चुंबकीय क्षेत्राचे मोजमाप करते. वस्तू पाहण्याच्या वेळी मानवी निरीक्षकांकडून मिळालेल्या MEG डेटाचा वापर करून, मूर आणि त्यांच्या टीमने अपयशाचा एक महत्त्वाचा मुद्दा शोधला.
माणसे गणनेत चांगले नाहीत : त्यांना असे आढळले की डोळा, चाक आणि चेहरा यासारख्या वस्तूंचे सहजपणे नाव देण्यायोग्य भाग मानवी न्यूरोडायनामिक्समध्ये बदल घडवून आणू शकतात आणि अधिक सखोल शिक्षण देतात. हे निष्कर्ष सूचित करतात की खोल न्यूरल नेटवर्क आणि मानव दृश्य ओळखण्यासाठी वैयक्तिक ऑब्जेक्ट वैशिष्ट्यांवर अवलंबून राहू शकतात आणि मॉडेल सुधारण्यासाठी मार्गदर्शक तत्त्वे प्रदान करू शकतात, मुर म्हणाले.