新浪上的文章~
《果蝇看到了什么? 我科学家揭开昆虫视觉之谜》
在处理视觉信息的机制上,昆虫竟然和高等动物类似,这在科学史上还是第一次得到证明.唐世明说,他们的发现在认识动物的视觉机制上走出了“一小步”.
如果你认识了一个人,那么无论他穿什么衣服,离你或远或近,甚至没有面对着你,你是否都能把他认出来?
答案似乎是肯定的.但究竟是什么样的神经活动使人类能够做到这样?
这个在普通人看来有些“不可理喻”的问题———生物学上将其称为“视觉不变性”,却一直是科学上的难题.
“人的神经细胞实在太多了,粗略估计,有1010个,目前还找不到一种可行的方法同时监测这么多神经细胞的活动.”中科院生物物理研究所唐世明研究员说.但是,他最近对果蝇视觉的一个重要发现,可能为这方面的研究提供了新的启示.
果蝇在“飞”
“啪”的一声,唐世明扭开了实验仪器的灯.仪器里,一只身长约1厘米,红眼睛,长触须,浑身黄褐色的小飞虫,在灯光下张开翅膀,“自以为是”地飞起来.
但这只果蝇并没有真的飞起来.它的脖子被固定在这个特殊仪器的尖端.它的飞行动作通过那里的传感器传递到计算机上.在程序控制下,围绕在它周围的圆形纸筒开始转动.纸筒上画有不同颜色的图形.通过这种操作,可以使果蝇产生在不同图形间“飞来飞去”的感觉.
唐世明坐回到计算机前.屏幕上出现了曲线,表示果蝇的“飞行”轨迹.它在某个特殊的图形面前几乎不停留,而在另外的图形面前却停留了很长时间.
“这真是很有趣.”唐世明已经在这套仪器前工作了一年多.“以前从没有人认为,果蝇这种神经结构简单的昆虫,居然能够认识图形,而且还会进行选择.”
8月13日,美国《科学》杂志发表了以唐世明为第一作者的论文：《果蝇的视觉模式识别具有视网膜位置不变性》.“简单地说,就是果蝇的视觉特征和人类差不多,具有视觉不变性的特点.”
在处理视觉信息的机制上,昆虫竟然和高等动物类似,这在科学史上还是第一次得到证明.
30多年前,国外就用果蝇做过相同内容的实验,但结论完全相反：果蝇只能以一种类似“看底片”的来处理它所获得的图像.每当它看见一个物体时,便将其“印”在脑中,形成一个“底片”.此后,当它再次看见与这个“底片”完全重叠的物体时,它才会有“似曾相识”的反应.这种重叠,包括颜色、大小和形状完全相同.当然,这是非常原始的处理视觉信息的.
这个结论似乎很符合人类作为高等动物的某种优越心理.长期以来没人怀疑它.
唐世明对这个结论表示怀疑的理由很简单：“果蝇的神经细胞太少了,大概只有105个,它根本记不住那么多‘底片’,也很难去一一核对.它一定有某种其他的方法.”
一年多的实验,证明了唐世明的观点：果蝇可以认识并记住某些简单的图形及颜色,无论图形的位置和大小如何变换.
假设有蓝、绿两种颜色的方块在果蝇的视野里.每当它看蓝色方块时,计算机便会发出红外线,果蝇的头部被“烤”红了；而当它将视线转移到绿色方块时,这种火热的“惩罚”便立即消失.
唐世明称这个过程为“教育”.没过多久,果蝇就会判断出：那个蓝色的方块是危险的,而绿色的是安全的.因此,它会把更多的时间花在注视绿色方块上,而对蓝色的方块产生某种“恐惧心理”,并不再去注视它.
时间久了,当“惩罚”条件已经消失后,果蝇仍然会比较专注地看那个“安全”的图形,而对“危险”的置之不理.
唐世明将图形变得更复杂些.每个图形都由蓝、绿两种颜色组成,一种是蓝色在上,另一种是绿色在上.果蝇是否能识别其区别,并将其记住呢?
答案是肯定的.
如果将它记住的图形变换位置,它是否仍能识别,并趋利避害呢?
结果仍然是肯定的.“不用担心它什么也不看.”唐世明说,“果蝇就是喜欢飞来飞去,然后盯着某个东西看个不停.”
这已是唐世明在《科学》上发表的第二篇论文.第一篇发表于2001年11月,内容是关于果蝇如何在两难境地中进行选择.
视觉之谜
今年33岁的唐世明,出生于四川一个农民家庭.个子不高,很瘦,因此头显得很大.他毕业于北京航空航天大学,本来是研究机器人控制的.他的“转行”缘于一个简单的疑问：如何能让机器人像人一样识别物体,从而形成类似人的意识?“现在的确有很多机器是可以‘看’,但那是依靠程序控制的,依靠人事先输入的信息进行判断.”唐世明说,“假如机器人‘认出’我,并不是它真的看见我并记住了,而是依靠瞳孔扫描、指纹等信息进行的判断.如果事先没有在程序里输入这些信息,无论它看我多少遍,可能也认不出来.”
原来科学家以为果蝇比机器人高明不了多少,但是,唐世明他们在上万只果蝇身上进行的实验,证明了果蝇并不那么简单,从而修正了30多年来人类在这个问题上对昆虫的“偏见”.
“形象一点说,动物大脑的演变像一根鱼刺.低等动物的脑功能相当于中间的脊柱,而高等动物渐渐在脊柱的两侧发展出各种各样的刺,形成越来越复杂的功能.”唐世明解释果蝇视觉不变性实验的意义时说,“我们在果蝇身上的发现,相当于找到了这根最初的脊柱.或许我们可以顺着这个思路,找出后来长出的那些刺,从而最终理解人类视觉的大脑机制.”
实验之余,唐世明几乎也成了果蝇的“心理”研究者.这些喜欢围着烂桃子飞来飞去的小虫子,在他眼里,都具备了一定的智力.
“那些聪明的非常好教,只惩罚它几次就能记住哪个图形是危险的,而且记得非常牢；傻的就没办法了,被烫晕了,停在那里不知道该怎么办；还有一些记的时间很短,过一会儿就忘了,又得挨烫.”他兴致勃勃地形容这些小生物,激动得一次次把凉鞋脱下来,踩在脚底下,来回扭动自己的头,演示它们在实验中的样子,“还有一些,老是看那个安全的图形,过一会儿就不耐烦了,忍不住飞回来看那个危险的.但只看一眼,立即意识到：不行,这个不能看.马上又飞走了.”
这个过程如此有趣,以至于唐世明从事音乐工作的妻子也忍不住跑来参与了实验,并成为论文的第三署名作者.
但唐世明的实验只是证明了低等生物的脑部存在“视觉不变性”的功能,还远远未能解释这种功能依靠什么原理得以实现.
事实上,他们发现,果蝇虽然可以识别较为复杂的颜色和形状,甚至能够区分两种颜色的重叠,却没有一只能够识别出○与┼这两个简单图形,而如果想让果蝇区分并记住两张人脸,“那它绝对完成不了.一定是每只都被烫晕”,唐世明说,“我们搞不清楚这是为什么.可能与一些脑部深层结构的功能有关.”
即使目前无法解释这个现象,唐世明仍然认为,他们的结论在认识动物的视觉机制上走出了“一小步”.“如果我们有一天找到了这种视觉机制的根源,马上就可以应用到机器人的研究上.”他似乎更愿意为老本行勾勒美妙的前景,“到那时候,一些目前看来很简单,但也只有依靠人才能做好的工作,都可以让机器人来承担.”
唐世明多年来学习的自动化知识没有白费,在此次实验中,他自行设计和改进的实验仪器起到重要作用.“不,这项研究似乎不像人们想像的那样,需要特别丰富的生物学知识.我只需根据每个实验的特点,设计合理的可操作的方法,再制造合适的仪器.”他一再强调,“方法,找到一种可操作的方法,对于将来的生物学研究太重要了.”
至于是否能够真正认识高等动物大脑中的视觉机制,唐世明期待着他下一步对猫的研究会得到更多的结果,但他并不感到乐观.
“高等动物的神经活动太复杂了,我还没想出能监测这些活动的方法；而这上千亿个神经元之间是如何相互作用的,它们之间的活动代表了什么意义,如何最终形成可记忆的影像……”他似乎要仰天长叹,“可能我一直研究到死,都找不出答案.”
“可无论如何,我会一直做下去.”唐世明说,“没有特别的原因.只因为这个问题实在是太有趣了.”
iccv一作论文含金量非常高，ICCV 论文录用率非常低，也是三大顶会中公认级别最高的。顶会论文的最终成果不仅代表着 2019 年最新的科研水平以及未来发展潮流，也同样展示出了全球科技公司在以计算机视觉为代表的科研团队实力的竞争。
我主要从结合论文阅读入门深度学习来介绍内容。
有两个事先说在前面，第一，想要阅读关于什么内容的论文，直接谷歌一下，你就能找到原始论文，第二，推荐收藏arXiv.org这个网站，深度学习论文一般都会第一时间发表在这个网站上。
目前推荐先熟悉数学相关的基础知识，比如函数里最基本的求导与积分，然后就是偏导数，梯度下降等。然后对于线性代数与概率统计也要熟悉熟悉。
有了一定的数学基础之后，可以尝试从寻找关于人工神经网络入门的资料学习，连接神经网络怎么进行误差反向传播的。
然后可以找来深度学习三巨头发表的Deep Learning这篇论文，好好研读。这里就涉及到了一个问题，你同时得英语也得好，因为目前主流的深度学习的论文，全是英文的。
再然后，你可以找来hinton的autoencoder的论文，然后使用代码自己实践实践，对深度学习基本概念有个大概了解。
到这里，深度学习基本上算是摸到了一点点门道了。深度学习目前主流的有三个方向，计算机视觉，自然语言处理，语音处理。我主要学习的方向是计算机视觉，其他两个方向不是太了解，我就以计算机视觉方向来讲解下怎么看论文与学习吧。
计算机视觉入门最经典的莫过于Lecun的mnist了，具体相关研究可以上Lecun主页找到介绍以及数据集和代码。自己可以尝试尝试构建个模型来进行mnist数据识别。通过这个实践后，一般就对计算机视觉方向最重要的工具卷积神经网络有一定的了解了。但是没完，这只是个开始，卷积神经网络这几年的发展就有一大堆论文可读，具体介绍可以关注我头条号，我之前文章有对此有过讲解，我在下面主要大致概括下。
卷积神经网络简称cnn，从最开始在计算机视觉方向使深度学习火爆的AlexNet，经过VggNet，GoogleNet，InceptionNet，以及ResNet，每一篇都是非常经典的文章。同时卷积神经网络在模型缩小化的一些论文，也值得阅读，比如Xception与MobileNet，以及最新的NasNet。
了解完神经网络结构发展史后，就需要选个方向去研究他们的研究发展过程了，目前计算机视觉比较热门的方向主要有人脸识别，目标检测，图像分类，图像分割，关键点检测，文字识别OCR等。
以目标检测为例，主要经历了R-CNN，Fast R-CNN，Faster R-CNN，YOLO，SSD等的发展，对应的每个网络也有一定的论文介绍，也建议仔细研读。
纯手打，希望喜欢，匿了匿了~
AI智能机器人崛起下，数据挖掘更有战略性意义，挖掘整个地球·微观·宇宙数据。相当于战略性的等级，核武器等级。
在人类需求下，计算机视觉更有战术上的意义，精确显现到夸克·外太空·宇宙景象。相当于战术性等级，精准常规导弹等级。
懂了吧。
数据挖掘比计算机视觉更具有价值。
一个是点面的表现，一个是全内的表现。
🚀🚀🚀🚀
985免费论文网友情提示：本网站所有内容为共享上传提供，仅限学习分享，如产生版权问题，请联系我们及时删除！
Copyright © www.csmayi.cn Corporation, All Rights Reserved 共享时代 共享你我他 版权所有
