پیام جوان: یک مطالعه جدید در دانشگاه UNSW Sydney، توانایی خارقالعاده ابرچهرهشناسها (Super-Recognizers) را به یک الگوی دیداری خودکار مرتبط دانست. ابرچهرهشناسها افرادی هستند که هنگام مشاهده چهرههای جدید، بهطور طبیعی و ناخودآگاه بر روی ویژگیهایی تمرکز میکنند که بیشترین تمایز را ایجاد میکند. به گزارش ایتنا و به نقل از ساینسآلرت، پژوهشگران با استفاده از فناوری رهگیری حرکت چشم، مسیر نگاه ۳۷ ابرچهرهشناس و ۶۸ فرد عادی را ثبت کردند و تفاوتهای بنیادین در نحوه رمزگذاری اولیه اطلاعات بصری میان دو گروه را شناسایی کردند.
مسیر نگاه این افراد، الگوریتمهای هوش مصنوعی را قدرتمندتر کرد
محققان در گامی مهم، دادههای بهدستآمده از مسیر نگاه این افراد را به شبکههای عصبی عمیق دادند تا کارآمدترین الگوهای بینایی مشخص شود. نتایج نشان داد زمانی که الگوریتمها با دادههای مسیر نگاه ابرچهرهشناسها تغذیه شدند، توانایی بهمراتب بیشتری در تشخیص اینکه آیا دو چهره متعلق به یک فرد هستند، از خود نشان دادند. این امر دلالت بر آن دارد که تفاوتهای اصلی در تشخیص چهره، از نخستین مراحل پردازش بصری و در سطح رمزگذاری شبکیه آغاز میشود، نه صرفاً در مراحل شناختی بالاتر.
تمرکز بر «سرنخهای مؤثرتر» به جای جمعآوری اطلاعات بیشتر
نتایج جدید فرض پژوهشهای قبلی همین تیم را تقویت میکند؛ اینکه ابرچهرهشناسها چهرهها را مانند یک «پازل» به بخشهای کوچک تقسیم کرده و بهصورت ترکیبی پردازش میکنند. یافتههای کنونی نشان میدهد که مهارت خارقالعاده این افراد نه به دلیل جمعآوری اطلاعات بیشتر، بلکه به دلیل تمرکز بر «سرنخهای مؤثرتر» است؛ رویکردی که شبیه به عملکرد کاریکاتور در برجسته کردن ویژگیهای متمایز است. شواهد ژنتیکی و نقش پردازش هویت چهره در تعاملات اجتماعی دیگر نخستیها نیز نشان میدهد که این مهارت دارای ریشهای زیستی و تکاملی است.
افزایش کارایی سامانههای تشخیص چهره
این یافتههای بنیادی میتواند راه را برای بهبود سامانههای تشخیص چهره هوش مصنوعی هموار کند، چرا که اکنون میدانیم الگوی بهینه برای پردازش بصری کدام است. با این حال، پژوهشگران تأکید کردند که انسانها همچنان برتریهایی مانند استفاده از نشانههای اجتماعی و بافتی در تشخیص چهره دارند. این مطالعه جدید، دیدگاه سنتی مبتنی بر بررسی کلی چهره را به چالش میکشد و دریچهای نو برای درک نحوه عملکرد یکی از مهمترین مهارتهای اجتماعی انسان باز میکند.















