[论文解读] Unveiling the mystery of visual information processing in human brain

Emanuel Diamant|ArXiv.org|Jul 2, 2008

Image Retrieval and Classification Techniques被引用 3

一句话总结

本文基於算法信息论（AIT）與柯尔莫哥洛夫复杂性，提出了一種視覺資訊的創新定義，主張傳統神經科學忽略了視覺處理中『資訊』實際意義的根本問題。透過將資訊重新定義為算法複雜性，作者挑戰了腦科學中長期存在的假設，並呼籲進行范式轉移，以更客觀、系統化的方式建模人類視覺感知。

ABSTRACT

It is generally accepted that human vision is an extremely powerful information processing system that facilitates our interaction with the surrounding world. However, despite extended and extensive research efforts, which encompass many exploration fields, the underlying fundamentals and operational principles of visual information processing in human brain remain unknown. We still are unable to figure out where and how along the path from eyes to the cortex the sensory input perceived by the retina is converted into a meaningful object representation, which can be consciously manipulated by the brain. Studying the vast literature considering the various aspects of brain information processing, I was surprised to learn that the respected scholarly discussion is totally indifferent to the basic keynote question: "What is information?" in general or "What is visual information?" in particular. In the old days, it was assumed that any scientific research approach has first to define its basic departure points. Why was it overlooked in brain information processing research remains a conundrum. In this paper, I am trying to find a remedy for this bizarre situation. I propose an uncommon definition of "information", which can be derived from Kolmogorov's Complexity Theory and Chaitin's notion of Algorithmic Information. Embracing this new definition leads to an inevitable revision of traditional dogmas that shape the state of the art of brain information processing research. I hope this revision would better serve the challenging goal of human visual information processing modeling.

研究动机与目标

• 解決神經科學在視覺處理中對『資訊』定義的關鍵遺漏問題。
• 挑戰主流假設——即視覺感知已被理解，無需明確資訊本質。
• 基於算法信息論（AIT）與柯爾莫哥洛夫複雜性，提出新的理論框架。
• 重構人類大腦視覺資訊處理的基礎原則。
• 透過建立在數學上一致的資訊定義基礎上，實現更嚴謹、更客觀的人類視覺感知建模。

提出的方法

• 提出使用蔡廷與柯爾莫哥洛夫的算法信息論重新定義『資訊』。
• 將視覺資訊定義為感知模式的算法複雜性，即能生成該模式的最短程式碼長度。
• 將此定義應用於從視網膜到皮質的神經處理路徑，將視覺輸入視為算法對象。
• 主張意識中的物件表徵源自於將感測輸入壓縮為最小的算法描述。
• 透過要求任何視覺處理理論首先定義何種內容構成資訊，重新詮釋現有的神經科學模型。
• 呼籲腦科學研究進行范式轉移，堅持所有視覺處理模型必須建立在明確、形式化的資訊定義之上。

实验结果

研究问题

• RQ1 人類大腦中視覺資訊的根本性質為何？
• RQ2 為何神經科學界儘管數十年研究，仍未能定義視覺處理中的『資訊』？
• RQ3 算法信息論如何為視覺感知建模提供更嚴謹的基礎？
• RQ4 將資訊重新定義為算法複雜性，對現有皮質處理模型有何影響？
• RQ5 形式化的資訊定義如何改善人類視覺認知的客觀建模？

主要发现

• 本文識別出神經科學中的一個關鍵缺口：視覺處理研究中缺乏對『資訊』的正式定義。
• 本文主張，缺乏明確定義會削弱視覺感知與認知模型的科學嚴謹性。
• 透過採用算法複雜性作為資訊定義，本文提供了一種數學上穩固的替代方案，以取代傳統模糊的資訊概念。
• 所提出的框架暗示，視覺感知涉及將感測輸入壓縮為最小的算法描述，與高效編碼原則一致。
• 作者結論指出，當前的視覺處理模型建立在未經檢視的假設之上，必須修訂以納入形式化的資訊定義。
• 本文將其重新定義定位為推進客觀、可測試的人類視覺資訊處理模型的必要條件。