Forskare från Salk Institute (USA), Skoltech (Ryssland), och Riken Center for Brain Science (Japan) undersökte en teoretisk modell av hur populationer av neuroner i hjärnans visuella cortex kan känna igen och bearbeta ansikten och deras uttryck, och hur de är organiserade. Forskningen publicerades nyligen i Neural beräkning och markerad på omslaget.

Människor har en fantastisk förmåga att känna igen ett stort antal individuella ansikten och tolka ansiktsuttryck. Dessa förmågor spelar en nyckelroll i mänskliga sociala interaktioner. Dock, hur den mänskliga hjärnan bearbetar och lagrar så komplex visuell information är fortfarande dåligt förstådd.

Skoltech-forskarna Anh-Huy Phan och Andrzej Cichocki, med sina kollegor från USA och Japan, Sidney Lehky och Keiji Tanaka, försökte bättre förstå hur den visuella cortex bearbetar och lagrar information relaterad till ansiktsigenkänning. Deras tillvägagångssätt baserades på idén att ett mänskligt ansikte kan begreppsmässigt representeras som en samling av delar eller komponenter, inklusive ögon, ögonbryn, näsa, mun, etc. Använda en metod för maskininlärning, de använde en ny tensoralgoritm för att sönderdela ansikten i en uppsättning komponenter eller bilder som kallas tensorfaces, såväl som deras tillhörande vikter, och representerade ytor av linjära kombinationer av dessa komponenter. På det här sättet, de byggde en matematisk modell som beskrev arbetet hos de nervceller som är involverade i ansiktsigenkänning.

"Vi använde nya tensorupplösningar för att representera ansikten som en uppsättning komponenter med specificerad komplexitet, som kan tolkas som modellansiktsceller och indikerar att mänskliga ansiktsrepresentationer består av en blandning av ansiktsceller med låg och medium komplexitet, " sa Skoltech-professor Andrzej Cichocki.