Không có gì ngạc nhiên khi máy tính có thể làm điều này nhanh hơn, nhưng chúng có chính xác như con người trong thế giới thực không? Không phải lúc nào cũng vậy, và đó là một vấn đề, theo nghiên cứu do chuyên gia hình ảnh thần kinh phương Tây Marieke Mur.

Máy tính có thể được dạy để xử lý dữ liệu đến, chẳng hạn như quan sát khuôn mặt và ô tô, sử dụng trí tuệ nhân tạo được gọi là mạng lưới thần kinh sâu hoặc học sâu. Loại quy trình máy học này sử dụng các nút hoặc tế bào thần kinh được kết nối với nhau trong một cấu trúc phân lớp giống như bộ não con người.

Từ khóa là 'giống' vì máy tính, mặc dù có sức mạnh và hứa hẹn của học sâu, nhưng vẫn chưa làm chủ được các phép tính của con người và điều quan trọng là sự giao tiếp và kết nối được tìm thấy giữa cơ thể và não bộ, đặc biệt là khi nhận dạng hình ảnh.

Các nghiên cứu trước đây đã chỉ ra rằng học sâu không thể tái tạo hoàn hảo khả năng nhận dạng hình ảnh của con người, nhưng rất ít người đã cố gắng thiết lập khía cạnh nào trong tầm nhìn của con người mà học sâu không mô phỏng được.

Nhóm nghiên cứu đã sử dụng một bài kiểm tra y tế không xâm lấn có tên là từ não đồ (MEG) để đo từ trường được tạo ra bởi các dòng điện trong não. Sử dụng dữ liệu MEG thu được từ những người quan sát trong quá trình quan sát đối tượng, các nhà nghiên cứu quốc tế đã phát hiện ra một điểm thất bại chính. Họ phát hiện ra rằng các bộ phận có thể đặt tên dễ dàng của các đối tượng, chẳng hạn như "mắt", "bánh xe" và "khuôn mặt" có thể giải thích cho sự khác biệt trong động lực học thần kinh của con người ngoài những gì mà học sâu có thể mang lại.

Nghiên cứu cho thấy các mạng lưới thần kinh sâu không thể giải thích đầy đủ các phản ứng thần kinh được đo lường ở người quan sát trong khi các cá nhân đang xem ảnh của các đối tượng, bao gồm cả khuôn mặt và động vật, và có ý nghĩa chính đối với việc sử dụng các mô hình học sâu trong môi trường thế giới thực, chẳng hạn như tự điều khiển phương tiện.