Udviklingen inden for computerteknologi i de seneste 40 år har været exponentiel (jvf. Moores lov) og computerne kan gennemføre udregninger meget hurtigere end den menneskelige hjerne. Men inden for mange andre områder er den mennskelige hjerne stadigvæk computerne klart overlegen. Især når vi sammenligner det visuelle system er vores evner imponerende.

I de seneste år er der brugt mange kræfter på, at udvikle computerprogrammer som kan identificere og genkende visuelle input. Sådanne programmer er yderst nyttige til at genkende tal og bogstaver fra indscannede dokumenter og fakturaer, men endnu er menneskelig godkendelse og korrektioner nødvendige, især når der findes afvigelser fra standarden som ved håndskrift eller plettede/krøllede dokumenter.

Forskere fra MIT i USA har kigget nærmere på et tilsvarende problem. Nemlig visuelt at genkende objekter når man ser dem fra forskellige vinkler og med variationer i lys og baggrund. Selv de mest advancerede computerprogrammer har problemer med at løse sådanne opgaver, mens vores hjerne nemt løser dem.

Udviklingen af computerprogrammer, der kan løse disse opgaver, er vigtig ikke kun for computer-teknologien, men også for vores forståelse af den menneskelige hjerne. Neurobiologer og dataloger har udviklet en standard ’naturlig billede test’, som kan bruges til at vurdere hvor gode de advancerede computerprogrammer er til at genkende mange forskellige objekter fra forskellige kategorier (fly, biler, ansigter etc.).

Her på det seneste har nyudviklede biologisk inspirerede computer modeller klaret sig bedre og bedre, når de er blever udsat for den ’naturlige billede test’, hvilket er blevet tolket som store fremskridt inden for computernes evner til visuelt at genkende objekter. Forskerne fra MIT hævder imidlertid i en nyligt udgivet videnskabelig artikel i PLoS Computational Biology at den ’naturlige billede test’ slet ikke er god nok.

De viser, at selv et meget simpelt computerprogram der sammenligner enkelte pixels med en gemt template, kan klare sig lige så godt eller bedre end de advancerede modeller når de sammenlignes med den ’naturlige billede test’.

Forskerne mener at det skyldes at den ’naturlige billede test’ ikke tester godt nok for problemer med at genkende objekter i forskellige situationer og fra forskellige vinkler.

Deres resultater viser, at de nuværende testmetoder er for simple og at naturlig variation skal testes for og indføres i de advancerede modeller, hvis vi for alvor skal gøre fremskridt inden for forståelsen og efterligningen af hjernens måde at visuelt genkende objekter på.

Kilde
Pinto N, Cox DD, DiCarlo JJ (2008) Why is real-world visual object recognition hard? PLoS Computational Biology 4(1): e27. doi:10.1371/journal.pcbi.0040027