Como o cérebro reconhece o que o olho vê

Como o cérebro reconhece o que o olho vê

Novo trabalho do Salk Institute descrevendo o processo visual do cérebro pode melhorar carros autônomos e apontar terapias para deficiência sensorial

LA JOLLA—Se você acha que os carros autônomos não chegarão em breve, você não está sozinho. Mas programar computadores para reconhecer objetos é tecnicamente desafiador, especialmente porque os cientistas não entendem completamente como nossos próprios cérebros fazem isso.

Agora, os pesquisadores do Salk Institute analisaram como os neurônios em uma parte crítica do cérebro, chamada V2, respondem a cenas naturais, proporcionando uma melhor compreensão do processamento da visão. A obra é descrita em Natureza das Comunicações de junho 8, 2017.

“Entender como o cérebro reconhece objetos visuais é importante não apenas para o bem da visão, mas também porque fornece uma janela sobre como o cérebro funciona em geral”, diz Tatiana Sharpe, professor associado do Laboratório de Neurobiologia Computacional de Salk e autor sênior do artigo. “Muito do nosso cérebro é composto por uma unidade computacional repetida, chamada coluna cortical. Especialmente na visão, podemos controlar as entradas do cérebro com precisão requintada, o que torna possível analisar quantitativamente como os sinais são transformados no cérebro”.

Embora muitas vezes tomemos a capacidade de ver como certa, essa capacidade deriva de conjuntos de transformações matemáticas complexas que ainda não somos capazes de reproduzir em um computador, de acordo com Sharpee. Na verdade, mais de um terço do nosso cérebro é dedicado exclusivamente à tarefa de analisar cenas visuais.

Nossa percepção visual começa no olho com pixels claros e escuros. Esses sinais são enviados para a parte de trás do cérebro para uma área chamada V1, onde são transformados para corresponder às bordas das cenas visuais. De alguma forma, como resultado de várias transformações subsequentes dessa informação, podemos reconhecer rostos, carros e outros objetos e saber se eles estão se movendo. A precisão com que esse reconhecimento acontece ainda é um mistério, em parte porque os neurônios que codificam os objetos respondem de maneiras complicadas.

Agora, Sharpee e Ryan Rowekamp, ​​um pesquisador associado de pós-doutorado no grupo de Sharpee, desenvolveram um método estatístico que pega essas respostas complexas e as descreve de maneiras interpretáveis, que podem ser usadas para ajudar a decodificar a visão para a visão simulada por computador. Para desenvolver seu modelo, a equipe usou dados disponíveis publicamente mostrando as respostas cerebrais de primatas assistindo a filmes de cenas naturais (como paisagens de floresta) do banco de dados de Pesquisa Colaborativa em Neurociência Computacional (CRCNS).

“Aplicamos nossa nova técnica estatística para descobrir quais recursos do filme estavam fazendo com que os neurônios V2 mudassem suas respostas”, diz Rowekamp. “Curiosamente, descobrimos que os neurônios V2 estavam respondendo a combinações de arestas”.

A equipe revelou que os neurônios V2 processam informações visuais de acordo com três princípios: primeiro, eles combinam arestas que possuem orientações semelhantes, aumentando a robustez da percepção a pequenas mudanças na posição das curvas que formam os limites dos objetos. Em segundo lugar, se um neurônio é ativado por uma borda de uma orientação e posição específicas, a orientação de 90 graus será supressiva no mesmo local, uma combinação denominada “supressão de orientação cruzada”. Essas combinações de arestas de orientação cruzada são montadas de várias maneiras para nos permitir detectar várias formas visuais. A equipe descobriu que a orientação cruzada era essencial para a detecção precisa da forma. O terceiro princípio é que padrões relevantes são repetidos no espaço de maneiras que podem ajudar a perceber superfícies texturizadas de árvores ou água e limites entre elas, como nas pinturas impressionistas.

Os pesquisadores incorporaram os três princípios de organização em um modelo que chamaram de modelo quadrático convolucional, que pode ser aplicado a outros conjuntos de dados experimentais. O processamento visual provavelmente é semelhante à forma como o cérebro processa cheiros, toques ou sons, dizem os pesquisadores, então o trabalho também pode elucidar o processamento de dados dessas áreas.

“Os modelos com os quais trabalhei antes não eram totalmente compatíveis com os dados ou não eram totalmente compatíveis”, diz Rowekamp. “Portanto, foi muito gratificante quando a ideia de combinar reconhecimento de borda com sensibilidade à textura começou a valer a pena como uma ferramenta para analisar e compreender dados visuais complexos.”

Mas a aplicação mais imediata pode ser melhorar os algoritmos de reconhecimento de objetos para carros autônomos ou outros dispositivos robóticos. “Parece que toda vez que adicionamos elementos de computação encontrados no cérebro a algoritmos de visão computacional, seu desempenho melhora”, diz Sharpee.

A obra foi financiada pela National Science Foundation e a Instituto Nacional de Olhos.