随着科技的发展，很多新科技的诞生许多朋友无法了解，相信通过人工智能:有助于更好地理解潜在的机制这篇文章能帮到你，在和好朋友分享的时候，也欢迎感兴趣小伙伴们一起来探讨。

借助于人工神经网络，图像中复杂特征的自动识别已经成为现实。利用这一技术的软件有Facebook的自动标签系统、谷歌的图像搜索引擎以及自然主义者使用的动植物识别系统。我们知道这些网络是受到人类大脑的启发，但它们的工作机制仍然很神秘。

SISSA与慕尼黑工业大学联合进行的一项新研究为第33届NeurIPS年度会议提出了一种研究深度神经网络的新方法，并为这些网络能够进行的图像精细处理过程提供了新思路。

与在视觉系统中发生的事情类似，用于自动图像识别的神经网络通过一系列处理阶段逐步分析内容。然而，到目前为止，还不完全清楚是什么机制使深层网络达到其非凡的精确度。

“我们已经开发了一种创新的方法来系统地测量在深层网络的不同层中编码的信息的复杂程度——即所谓的图像表示的内在维度，”SISSA的神经科学家Davide Zoccolan和物理学家Alessandro Laio说。“多亏了物理学、神经科学和机器学习等领域专家的通力合作，我们成功地利用了一种原本在另一个领域开发的工具来研究深度神经网络的功能。”

SISSA的科学家与慕尼黑工业大学的Jakob Macke合作，研究了从用于图像分类的神经网络获取的信息是如何处理的:“我们发现，图像表征经历了一个渐进的转变。在早期处理阶段，图像信息被忠实而详尽地表示出来，从而产生了丰富而复杂的表示。在最后的处理阶段，信息从根本上简化了，产生了几十个参数支持的图像表示，”两位科学家解释道。“令人惊讶的是，我们发现神经网络的分类精度与它的简化能力紧密相关:它越简化信息，就越精确。”

这对SISSA来说是一个特别重要的结果，SISSA最近启动了一个数据科学的新研究项目，其目标是研究和开发用于处理复杂和大型数据集的创新算法。