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.
मानवी दृष्टीसाठी संशोधन सुरू आहे : अभ्यास दर्शविते की जेव्हा व्यक्ती वस्तू, चेहरे आणि प्राण्यांच्या प्रतिमांसह वास्तविक-जगातील सेटिंग्ज पाहतात तेव्हा मानवी निरीक्षकांमध्ये मोजल्या जाणार्‍या न्यूरल प्रतिक्रियांचे खोल न्यूरल नेटवर्क पूर्णपणे खाते करू शकत नाही. सेल्फ ड्रायव्हिंग कार सारख्या डीप लर्निंग मॉडेल्सच्या ऍप्लिकेशन्सवर याचा मोठा परिणाम होतो. हे शोध प्रतिमांमध्ये न्यूरल नेटवर्क्स काय समजण्यात अयशस्वी होत आहेत याबद्दल संकेत देते, मुर म्हणाले. म्हणजेच चेहरे आणि प्राणी यांसारख्या पर्यावरणीयदृष्ट्या संबंधित वस्तू श्रेणी दर्शवणारी दृश्य वैशिष्ट्ये आहेत.
द जर्नल ऑफ न्यूरोसायन्स : मेंदूचे मॉडेल म्हणून न्यूरल नेटवर्क एक चांगला मानव शिक्षण अनुभव प्रदान करून सुधारित केले जाऊ शकते. जसे की प्रशिक्षण प्रणाली जी विकासादरम्यान मानवांच्या वर्तणुकीवरील दबावांवर जोर देते. उदाहरणार्थ, एखादी वस्तू जवळ येणारा प्राणी आहे की नाही हे मानवाने पटकन ओळखणे आणि तसे असल्यास, त्याच्या पुढील मार्गाचा अंदाज कसा लावायचा हे ठरवणे महत्त्वाचे आहे. प्रशिक्षणादरम्यान या अडथळ्यांना एकत्रित केल्याने मानवी दृष्टीचे मॉडेल करण्यासाठी सखोल शिकण्याच्या दृष्टिकोनाच्या क्षमतेला फायदा होऊ शकतो. हे संशोधन द जर्नल ऑफ न्यूरोसायन्समध्ये प्रकाशित झाले आहे.
