在物体视觉开始时，大脑会检测3D形状的碎片（凹凸，凹陷，轴，球体）。这是新发现的自然情报策略。约翰霍普金斯大学的研究人员也接受了视觉方面的培训。该策略是在网络的人工智能网络中找到的。一篇关于“当前生物学”的新论文发表了。详细介绍了V4区域中的神经元，这是大脑对象视觉通路的第一阶段。它代表3D形状片段，不仅用于研究过去40年中的V4。 2D形状。然后，约翰·霍普金斯大学的研究人员在高级计算机视觉网络AlexNet的早期（第3层）中识别出几乎相同的人工神经元反应。在自然和人工视觉中，尽早检测3D形状可能有助于解释现实世界中的物理3D对象。 ZanvylKrieger思维/大脑研究所所长兼神经科学教授Ed Connor说：“我看到V4很早就发出了清晰的3D形状信号。” “但是在一百万年中，我从未想到您会在AlexNet中看到同样的事情。 AlexNet仅受过训练，可以将2D照片转换为对象标签。人工智能的长期挑战之一是复制人类。想象。诸如AlexNet之类的深层（多层）网络在对象识别方面取得了重大进展，它是基于为游戏以及Internet Set上爆炸的图像和视频开发的大容量图形处理单元（GPU）提供的大规模培训而建立的。康纳和他的团队在自然和人工神经元上执行了相同的图像响应测试，并在V4和AlexNet层3中发现了非常相似的响应模式。在康纳描述的大脑之间-进化与进化的产物。终身学习和AlexNet由计算机科学家设计并受过训练以标记物体的照片吗？康纳说，AlexNet和类似的深度网络实际上是部分基于大脑中的多阶段视觉网络而设计的。他说，他们观察到的相似之处可能表明未来有机会利用自然与人工智能之间的相关性。康纳说：“人工网络目前是理解大脑的最有希望的模型。相反，大脑是使人工智能更接近自然智能的最佳策略来源。”