不同类型神经网络与视觉系统的关系 | 周日直播·NeuroAI读书会

导语

神经科学和人工智能领域的多位著名学者近日发表 NeuroAI 白皮书认为，神经科学长期以来一直是推动人工智能（AI）发展的重要驱动力，NeuroAI 领域的基础研究将推动下一代人工智能的进程。文章发表后引发热议：神经科学是否推动了人工智能？未来的人工智能是否需要神经科学？

本着促进神经科学、计算机科学、认知科学和脑科学等不同领域的学术工作者的交流与合作，集智俱乐部联合北京师范大学柳昀哲、北京大学鲍平磊和昌平实验室吕柄江三位研究员共同发起了「NeuroAI」读书会，聚焦在视觉、语言和学习领域中神经科学与人工智能的相关研究，期待能够架起神经科学与人工智能领域的合作桥梁，激发跨学科的学术火花。

读书会线上进行，11月27日开始，每周日下午14:00-16:00，持续时间预计10周。读书会详情及参与方式见后文。

分享内容简介

使用视觉信息识别物体种类是一项重要的认知功能，准确的识别物体对动物的生存与发展有重要意义。近年来，人工神经网络在图像分类任务中取得了与人类相近的水平，是否这两种成功的模型蕴含着相似的机理？本次分享中我将对比人工神经网络与灵长类动物大脑中对图像的表示(representation)，管中窥豹地展示这两类系统的异同点。

分享内容大纲

论文背景

文献解读：Unsupervised neural network models of the ventral visual stream

作者信息 | 已有研究进展 | 拟解决科学问题 | 解决问题的思路 | 实验介绍 | 实验结果 | 小结

文献解读：Evidence that recurrent circuits are critical to the ventral stream’s execution of core object recognition behavior

作者信息 | 已有研究进展 | 拟解决科学问题 | 解决问题的思路| 实验介绍 | 实验结果 | 小结

总结与讨论

主要涉及到的知识概念

卷积神经网络 (convolutional neural network)

自监督学习 (self-supervised learning)

腹侧流 (ventral stream)

物体识别 (object recognition)

图像分类 (image classification)

主讲人介绍

黄述泓，慕尼黑大学与慕尼黑工业大学系统神经科学专业在读博士生，研究方向为斑马鱼视觉系统与全脑尺度的感觉-运动回路建模。

直播信息

时间：

2022年12月25日（本周日）晚上19:00-21:00

参与方式：

扫码参与NeuroAI读书会，加入群聊，获取系列读书会回看权限，成为NeuroAI社区的种子用户，与社区的一线科研工作者与企业实践者沟通交流，共同推动NeuroAI社区的发展。

主要涉及到的参考文献

Zhuang, C., Yan, S., Nayebi, A., Schrimpf, M., Frank, M. C., DiCarlo, J. J., & Yamins, D. L. (2021). Unsupervised neural network models of the ventral visual stream. Proceedings of the National Academy of Sciences, 118(3), e2014196118.

Kar, K., Kubilius, J., Schmidt, K., Issa, E. B., & DiCarlo, J. J. (2019). Evidence that recurrent circuits are critical to the ventral stream’s execution of core object recognition behavior. Nature neuroscience, 22(6), 974-983.

Yamins, D. L., Hong, H., Cadieu, C. F., Solomon, E. A., Seibert, D., & DiCarlo, J. J. (2014). Performance-optimized hierarchical models predict neural responses in higher visual cortex. Proceedings of the national academy of sciences, 111(23), 8619-8624.

Yamins, D. L., & DiCarlo, J. J. (2016). Using goal-driven deep learning models to understand sensory cortex. Nature neuroscience, 19(3), 356-365.

本次分享与读书会主题之间的关系

本次分享对比了动物脑与人工神经网络之间的区别与联系，体现了neuro与AI可以相互借鉴。

NeuroAI读书会招募中