İnsan Yüz Tanıma Sisteminin Anlaşılmasında Yapay Nöronların Etkisi

COVID-19 sürecinde hepimizin günlük yaşamına giren maskeler hayatımıza birçok kısıtlamalar ve düzenlemeler getirdi, ancak bu kısıtlamaların içerisine yüz tanımamız dâhil değil.

Tanıdıklarımızın yüzleri maskeli de olsa onları fark etmemiz oldukça mümkün. İnsan beyni maskeli ya da maskesiz bu tanımayı nasıl yapıyor sorusu sadece nörobilim alanının değil bilgisayar, matematik, mühendislik, yazılım ve yapay zeka araştırmacılarının da sorduğu bir soru. Örneğin, yapay zeka temelli kameraların Covid-19 sürecinde yüz tanımada maskelerden dolayı performansında düşüş yaşanmasına neden oldu. Ancak makine öğrenmesi alanındaki bilim insanları sorunu gidermek için çalışmalarına devam ediyor. Geçtiğimiz Nisan ayında birçok bilim insanı GitHub adındaki büyük veri setine Instagram selfilerinden oluşan 1,200 adet fotoğraf yükledi, maskeli olan yüzleri ayırt etmek için ise etiketleme yaptı. Çin’in Wuhan Üniversitesi’ndeki araştırmacılar da yine aynı veri setine etiketli olarak 525 maskeli, 90 bin maskesiz yüz fotoğrafı yükleyerek toplum güvenliğini için kameraların yüz tanıma sorununu çözümüne katkıda bulundu.

Peki, beyin ve yapay zekâ nasıl yüz tanıyor, aralarında benzerlikler var mı?

Weizmann Bilim Enstitüsünün nörocerrahi, nörobiyoloji, matematik ve bilgisayar alanlarından bir grup bilim insanı (Grossman vd., 2019) bu soruya açıklama olabilecek bulgular yayınladı. Araştırma sonucunda beynin ve yapay zekânın insan yüzlerini kodlamada benzerlikler görüldü.

İnsan yüzüne baktığımızda beynin görsel bölgelerinde, sadece yüz gördüğünde cevap veren bir grup nöronlar aktifleşir ve sinyal verir. Ancak aktifleşmiş bu nöronların nasıl bir araya gelip yüzleri algıladığı, tanıdığı ve birbirinden ayırt ettiği sorusu çeşitli görüşlerin varlığına rağmen henüz kesin olarak cevaplanamıyor.

Yapay zekâ alanında ise yakın zamanda geliştirilen yapay Derin Evrişimsel Sinir Ağları (Deep Convolutional Neural Network) sayesinde yapay zekâ performansı, insan beyninin yaptığı yüz tanıma gibi karmaşık zihinsel işlemleri yaparak bazı konularda insanların performansıyla yarışabilir hale geldi. Ortaya çıkan bu gelişme yapay zekâ alanının uzun zamandır etkileşimde olduğu sistem nörobilim alanında da etkisini gösterdi. Geliştirilen yapay sinir ağları beynin görme işlemlerinin işleyişini tahmin etmekte kullanıldı. Uygulamaların temelini oluşturan görüş ise iki sistemin aynı işlemi doğru yaptığı durumda, bu sistemleri oluşturan yapıların da benzer özelliklerin gösterebileceği ve görülen özelliklerin o işlemi yapmada önemli rol oynayabileceğidir.

Grosmann ve ekibinin yaptığı çalışma da bu görüşe sahip bir uygulama. Çalışmada biyolojik ve yapay iki sistemin yüz tanıma gibi bir zihinsel işlemi çözerken benzerlik gösterip gösteremeyeceği araştırılıyor. Katılımcılara, tanıyabilecekleri ünlüleri de içeren bir dizi yüz ve yüz dışında başka fotoğraflar gösterilirken beyin aktiviteleri iEEG ile kaydediliyor. Kayıtlarda her bir yüz için beyindeki sinir ağlarında farklı bir aktifleşme örüntüsü oluştuğu ve her bir sinir hücresi grubunun farklı yoğunlukta aktifleştiği görülüyor. Bunun dışında bazı yüzlerin aktifleştirdiği sinirsel aktivite benzer bir örüntü gösterirken, diğer yüzlerin uyardığı sinirsel aktiviten örüntüsünün birbirinden farklı olduğu kaydediliyor. Araştırmacılar bu sinirsel aktivite örüntülerinin yüz tanıma yetimizde önemli rol oynayıp oynayamayacağını merak ediyor.

Çalışmanın diğer aşamasında insanın yüz tanıma kapasitesi ile yapay zekâ da diyebileceğimiz derin sinirsel ağların yüz tanıma performansı ölçülüyor. İnsan görme sistemiyle kısmen benzerlikleri olan yapay sinir ağları çok katmanlı olarak düzenlenmiş sinir hücrelerine benzer unsurlar içeriyor. İnsan yüzünü tanıyabilmek için her bir katmandaki yapay sinirlerin, belirli yüz özelliklerini seçip toplaması gerekiyor. Beynin görme sisteminde olduğu gibi bu sistemde de en temel özelliklerden, (çizgiler, basit şekiller vb.) karmaşık özelliklere, (göz, kaş, alın bitimi vb.) ve kişiliği belirleyici özelliklere kadar yüzün kodlaması yapılıyor. İnsan beyninin yüz tanımasında ortaya çıkan sinirsel örüntünün yapay sinir ağlarında çıkıp çıkmayacağını kontrol etmek için katılımcılara gösterilen aynı şekiller yapay sinirsel ağa da gösteriliyor. Çalışmanın sonunda yapay ağdaki yüze özel aktifleşme örüntüsünün insanınki gibi aynı çeşitliliğe ve yapıya sahip olup olmadığı kontrol ediliyor.

Araştırmanın bulguları arasında biyolojik ve yapay sistemde birbirine benzer bazı paralellikler olması, bu paralelliklerin de kişilik tanıma gibi soyut özelliklerden çok yüzün resimsel özellikleri gibi daha somut özellikleri kaydeden yapay sinirsel ağın orta katmanlarında bulunması yer alıyor.

Çalışmanın yürütücülerinden Grossman, çalışma sonucunun hipotezlerini desteklediğini belirtti. Farklı yüzlerin birbirinden ayrı sinirsel aktivite örüntüleri oluşturması ve bu örüntüler arasındaki ilişkilerin beynin yüz tanımasında önemli bir rol oynadığını söyledi. Araştırmanın, beynin yüz algılama işlevini anlamaya katkıda bulunabileceğine ve yapay sinir ağlarının geliştirilmesine yardım edebileceğine vurgu yaptı.

KAYNAK:
– Facial recognition adapts to a mask-wearing public
– Artificial networks shed light on human face recognition
– Convergent evolution of face spaces across human face-selective neuronal groups and deep convolutional networks