研究人员使用深度神经网络或DNN对信息处理进行建模，并研究这种信息处理如何与人类相匹配。
虽然DNN已成为一种越来越流行的工具来模拟大脑所做的计算，特别是在视觉上识别现实世界的“事物”，但DNN执行此操作的方式可能非常不同。
由格拉斯哥大学心理与神经科学学院领导的新研究发表在认知科学趋势杂志上，提出了一种新方法来理解人脑及其DNN模型是否以相同的方式识别事物，使用类似的计算步骤.
目前，深度神经网络技术被用于人脸识别等应用，虽然在这些领域取得了成功，但科学家们仍然不完全了解这些网络是如何处理信息的。
这篇观点文章概述了一种新方法，可以更好地理解该过程的工作原理：首先，研究人员必须证明大脑和DNN都使用相同的面部特征识别相同的事物——例如面部;其次，大脑和DNN必须以相同的方式、相同的计算步骤处理这些特征。
由于目前准确人工智能开发的一个挑战是了解机器学习的过程是否与人类处理信息的方式相匹配，希望这项新工作是在创造更准确可靠的人工智能技术方面又向前迈出的一步，该技术将更像我们的大脑一样处理信息做。
格拉斯哥大学研究技术学院院长PhilippeSchyns教授说：“更好地了解人脑及其DNN模型是否以相同的方式识别事物，将允许使用DNN进行更准确的现实世界应用。
“如果我们对人脑的识别机制有更深入的了解，我们就可以将这些知识转移到DNN，这反过来将有助于改进DNN在面部识别等应用中的使用方式，目前在这些应用中并不总是准确的.
“创造类人人工智能不仅仅是模仿人类行为——技术还必须能够像人类一样或更好地处理信息，或者‘思考’，如果要完全依赖它的话。我们希望确保人工智能模型是使用与人类相同的过程来识别事物，因此我们不会仅仅有系统正在运行的错觉。”
这项名为“大脑与其DNN模型之间的算法等效性程度”的研究发表在《认知科学趋势》上。