Hmyzí mozek učí AI spojovat obraz a zvuk

Hmyzí mozek učí AI spojovat obraz a zvuk

Ondřej Barták
Ondřej Barták
podnikatel a programátor
11. 11. 2025
2 minut čtení · 15 zhlédnutí
Hmyzí mozek učí AI spojovat obraz a zvuk

Vědci z University of Liverpool vytvořili nový počítačový model, který spojuje zrak a sluch podobně jako lidský mozek. Tento model vychází z biologického mechanismu, který byl poprvé objeven u hmyzu a pomáhá jim detekovat pohyb. Dr. Cesare Parise, starší lektor psychologie na University of Liverpool, upravil tento mechanismus tak, aby zpracovával skutečné audiovizuální signály, jako je video a zvuk, místo abstraktních parametrů, na kterých se spoléhaly starší modely.

Když lidé sledují někoho mluvit, mozek automaticky propojuje to, co vidí, s tím, co slyší. Tato synchronizace vysvětluje iluze jako McGurkův efekt, kdy nesoulad mezi zvuky a pohyby rtů vytváří nové vnímání, nebo ventriloquistickou iluzi, kdy hlas zdánlivě vychází z loutky. Parise zkoumal základní otázku, jak mozek ví, kdy se zvuk a obraz shodují. Starší výpočetní modely to nedokázaly zpracovat přímo. Navzdory desetiletím výzkumu v audiovizuálním vnímání neexistoval model, který by dokázal vzít video jako vstup a říct, zda by zvuk byl vnímán jako synchronizovaný.

Jak model funguje?

Nový systém staví na dřívější práci Parise a Marca Ernsta z University of Bielefeld v Německu. Jejich výzkum představil princip detekce korelace jako možné vysvětlení, jak mozek spojuje smyslové signály. To vedlo k Multisensory Correlation Detector (MCD, multisenzorický detektor korelace), který dokázal napodobit lidské reakce na jednoduché audiovizuální vzory, jako blikání a cvakání.

V této nejnovější studii Parise simuloval mřížku těchto detektorů rozloženou přes vizuální a sluchový prostor. Tento setup umožnil modelu zpracovávat složité signály z reálného světa. Model napodobil výsledky ze 69 známých experimentů zahrnujících lidi, opice a krysy. Jedná se o největší simulaci v oboru. Model odpovídal chování napříč druhy a překonal přední Bayesian Causal Inference model (bayesovský model kauzální inference), přičemž používal stejný počet nastavitelných parametrů.

Model také předpovídal, kam se lidé dívají při sledování audiovizuálních scén, a fungoval jako lehký model saliency (model významnosti). Pracuje přímo na syrových audiovizuálních vstupech, takže ho lze aplikovat na jakýkoli materiál z reálného světa.

Proč je to důležité pro AI?

Parise věří, že jednoduchost modelu ho činí cenným i mimo neurovědu. Evoluce už vyřešila problém sladění zvuku a zraku pomocí jednoduchých výpočtů, které fungují napříč druhy a kontexty. Dnešní systémy umělé inteligence stále bojují se spolehlivým spojováním multimodálních informací. Současné audiovizuální modely závisí na velkých sítích s mnoha parametry, trénovaných na obrovských označených datových sadách, zatímco mřížka MCD je efektivní a nevyžaduje trénink.

To, co začalo jako model hmyzího vnímání pohybu, teď vysvětluje, jak mozky – lidské nebo jiné – integrují zvuk a zrak v řadě souvislostí. Od předpovídání iluzí jako McGurkův a ventriloquistický efekt až po odvozování kauzality a generování dynamických map saliency (map významnosti), nabízí nový plán pro neurovědu i výzkum umělé inteligence. Studie vyšla v časopise eLife.

Další zdroj: interestingengineering.com

Reklama

S tvorbou obsahu pomáhá UpTier.

SEO a GEO na autopilota. Multiagentní systémy UpTier píší a optimalizují obsah pro vyhledávače i AI odpovědi.

Objevte UpTier ↗

Kategorie:AI
Líbil se vám tento článek?
Objevte další zajímavé příspěvky na blogu
Zpět na blog

Související články

OpenAI vytáhlo do boje proti zneužívání dětí. ChatGPT zablokuje účet na celý denOpenAI vytáhlo do boje proti zneužívání dětí. ChatGPT zablokuje účet na celý den
OpenAI posiluje ochranu dětí: nový systém odhalí i dosud neznámé AI obrázky a za pokus o jejich získání ChatGPT účet na 24 hodin zablokuje.
4 min čtení
18. 11. 2026
Google zpřístupňuje Tasks zdarma uživatelům Gemini 4 HydrogenGoogle zpřístupňuje Tasks zdarma uživatelům Gemini 4 Hydrogen
Režim Tasks se zdarma dostává ke stovkám milionů uživatelů Gemini 4 Hydrogen. Podle Googlu může za uživatele volat firmám, sjednávat schůzky a dokončovat nákupy.
1 min čtení
18. 11. 2026
OpenAI uvádí GPT-6.2 Astra a Sol pro profesionální i každodenní práciOpenAI uvádí GPT-6.2 Astra a Sol pro profesionální i každodenní práci
OpenAI představila dva modely: Astra míří na složité profesionální úkoly, Sol na běžnou práci. Oba jsou dostupné v ChatGPT Work, Codexu a přes API.
3 min čtení
17. 11. 2026
Přihlaste se k odběru našeho newsletteru
Zůstaňte informováni o nejnovějších příspěvcích, exkluzivních nabídkách, a aktualizacích.
CodedTrip

Provozovatel: CodedTrip LLC, USA.

YouTube
TikTok