Better artificial intelligence does not mean better models of biology

要約

ディープニューラルネットワーク（DNNS）は、視覚ベンチマークを改善するにつれて、霊長類の知覚と神経反応との整合性の増加をかつて示し、AIの進歩が生物学的視力のより良いモデルをもたらすという希望を高めました。
ただし、DNNSが人間または超人の精度にスケーリングするため、このアライメントが現在、および場合によっては悪化していることを3つのベンチマークで示しています。
この相違は、霊長類が使用するものとは異なる視覚戦略の採用を反映している可能性があります。
これらの発見は、人工知能の進歩が自然に神経科学に変換されるという見解に挑戦します。
ビジョンサイエンスは、インターネットスケールのデータセットに基づいてベンチマークに最適化するのではなく、生物学的視覚システムに基づいたアルゴリズムを開発し、独自のコースを作成しなければならないと主張します。

要約(オリジナル)

Deep neural networks (DNNs) once showed increasing alignment with primate perception and neural responses as they improved on vision benchmarks, raising hopes that advances in AI would yield better models of biological vision. However, we show across three benchmarks that this alignment is now plateauing – and in some cases worsening – as DNNs scale to human or superhuman accuracy. This divergence may reflect the adoption of visual strategies that differ from those used by primates. These findings challenge the view that progress in artificial intelligence will naturally translate to neuroscience. We argue that vision science must chart its own course, developing algorithms grounded in biological visual systems rather than optimizing for benchmarks based on internet-scale datasets.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google