The Algonauts Project 2023 Challenge: How the Human Brain Makes Sense of Natural Scenes

要約

生物学と人工知能の科学は、かつてないほど密接に絡み合っている。神経計算の原理は新しい知能マシンを生み出し、その知能マシンは脳の理論的理解を深めるために利用されています。生物学と人工知能の研究者の意見交換と協力を促進するために、アルゴノーツ・プロジェクトの2023年の課題「人間の脳はいかにして自然景観を理解するか」(http://algonauts.csail.mit.edu)を紹介します。この課題では、人工知能と生物学的知能の両分野が、視覚的情景に対するfMRI反応の最大かつ最も豊富なデータセットであるNatural Scenes Dataset（NSD）を用いて、視覚脳の計算モデル構築に向けて協力するよう求めています。NSDは、73,000の異なる自然な色彩のシーンに対する高品質のfMRI反応を提供しており、2023チャレンジが推進するデータ駆動型モデル構築の理想的な候補となっています。このチャレンジは誰でも参加でき、提出後に自動的に更新される公開リーダーボードを通じて結果を直接比較でき、透明性が高いため、迅速なモデル開発が可能になります。2023年問題では、生物学と人工知能の科学者が共生する共同研究が行われ、最先端の計算モデルによる脳の深い理解や、生物システムからの帰納的バイアスを利用した人工知能エージェントの新しい工学的手法につながると考えています。

要約(オリジナル)

The sciences of biological and artificial intelligence are ever more intertwined. Neural computational principles inspire new intelligent machines, which are in turn used to advance theoretical understanding of the brain. To promote further exchange of ideas and collaboration between biological and artificial intelligence researchers, we introduce the 2023 installment of the Algonauts Project challenge: How the Human Brain Makes Sense of Natural Scenes (http://algonauts.csail.mit.edu). This installment prompts the fields of artificial and biological intelligence to come together towards building computational models of the visual brain using the largest and richest dataset of fMRI responses to visual scenes, the Natural Scenes Dataset (NSD). NSD provides high-quality fMRI responses to ~73,000 different naturalistic colored scenes, making it the ideal candidate for data-driven model building approaches promoted by the 2023 challenge. The challenge is open to all and makes results directly comparable and transparent through a public leaderboard automatically updated after each submission, thus allowing for rapid model development. We believe that the 2023 installment will spark symbiotic collaborations between biological and artificial intelligence scientists, leading to a deeper understanding of the brain through cutting-edge computational models and to novel ways of engineering artificial intelligent agents through inductive biases from biological systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL