科學家破解靈長類動物的「相面術」

這項研究解決了神經科學中最棘手的問題之一-大腦如何識別面部，這表明我們的內心想法是可以利用科學手段探究的。

加州理工學院的Doris Tsao主導了這項研究，她認為這項工作在未來會產生實際的影響。她說：「面部是無法用語言來描述的。這項研究的一種可能應用是，通過分析目擊者的腦電波來重構犯罪分子的面部。」

這項發現代表科學家們首次掌握了理解大腦這一複雜功能的能力。

萊斯特大學的神經科學家Rodrigo Quian Quiroga教授沒有參與這項研究，他將這項成果描述為神經科學界的革命，該研究了解決了數十年的謎題。

數學演算法

大腦如何識別相似面部的問題可以追溯到上世紀60年代，當時美國的神經科學家Jerry Lettvin認為大腦擁有能夠對特定物體產生響應的超特殊的神經元，該觀點被稱為「祖母細胞」，基於這樣一種理論，即使每個人擁有一個特定的神經元，當看到祖母的時候這種神經元會放電。

最近，研究人員發現了所有的「面部塊」，這是一組幾乎只對面部進行反應的神經元，但是如何實現面部識別對於人們來說仍然是個黑箱過程。雖然缺少證據，但是 「祖母模型」仍然有受眾，因為它符合我們識別熟悉面孔的主觀認知。

Quian Quiroga說：「這篇論文完全推翻了這個觀點。」

相反，這項新研究表明，我們的大腦依賴於某種數學演算法來完成面部識別的任務。事實上，Tsao和她的同事Steven Le Chang在研究計算機視覺時無意中取得了這個發現。他們最初想要找到一種可靠的方法將面部圖像轉換為數值表示。

他們開始在可識別的面部位置用點做標記，製作了面部的連線圖。之後他們將成千上萬面部連續圖的資料庫進行轉換，尋找這些點之間最適合重構面部的25個測量值，尤其適合將面部形狀信息轉換為數字矩陣。

Tsao說：「我們可以利用這25個值描繪出所有的面部形狀。」

結果表明那些最有用的測量值（能夠最好地覆蓋資料庫中面部形狀種類的數據）相當抽象。其中一種測量值可能反映混合信息，比如眼睛之間的距離和額頭的高度等。

之後Tsao又利用了另外25組數值來描述其他的容貌特徵，膚色、眼睛顏色、肌肉組織等。

圖像來源：論文

Tsao並沒有對她設計的方案產生過多期望，她說：「我認為我們是意外地選擇了這些測量值與神經元反應相對應，但是當研究團隊從兩隻獼猴的大腦皮質中讀取大腦記錄時，驚訝地發現它們之間有直接的對應關係。」

Tsao幾乎是意外地復現出大腦識別面部的準確機制，而這種幸運似乎是不可能的。

之後，Tsao意識到，從數學角度來看，這種方法是將面部信息轉換為數字最高效的方法。她說：「如果你了解計算機視覺系統建立面部模型的方法，就會知道它們都是將形狀和外表分開的。該系統在數學上的優雅令人驚訝。」

「讀心」

之後研究人員們開發出一種演算法，這種演算法能夠根據兩隻獼猴大腦中記錄的神經元活動解碼出過去沒有看到的面部圖像。「面部塊」中的100多個神經元的電學活動記錄足夠重構出猴子看到的面部圖像了。

Tsao說：「預測結果非常好，我有點震驚了。當第一次看到這個結果時，我問我的同事是否出現了錯誤。」

該研究還發現了大腦用於面部識別的一系列數學變換，無論是正面還是側面輪廓。

Tsao認為這項發現為理解其他更複雜的神經學過程鋪平了道路，比如記憶和想像。

這項成果會帶來違背人意願的「讀心」問題嗎？Tsao說：「我沒有考慮這個問題。對於我來說，能夠理解這種神秘的問題是非常棒的。」

中國生物技術網誠邀生物領域科學家在我們的平台上，發表和介紹國內外原創的科研成果。

本公眾號由中國科學院微生物研究所信息中心承辦

微信公眾號：中國生物技術網

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！