实际上，视觉处理的过程并不只是从低级向高级传递的单向过程，高级中枢可以向低级中枢发出反馈信息，最为明显的例子是高级中枢可以决定低级中枢的“注意力”和“焦点”。当看到模糊不清的图像，或者一时无法辨认的图像时，高级中枢会产生各种概率上合理的解释，并且由这种猜测先入为主地 影响低层中枢的判断，从而产生错觉。如图7所示，可以用深度学习的神经网络来模拟这种先入为主的现象。输入是一幅白噪声，本身没有任何有意义的信息。网络由于随机涨落，在某一刹那倾向认为图中有香蕉。由此，优化这幅图像，使得识别香蕉的高层神经元兴奋，如此得到的图像果真看起来像香蕉。

　　图7先入为主产生的错觉[5]

　　图8显示了一个例子，这里输入的是一幅羚羊图像。神经网络的低级反馈加到图像上，看到许多边缘和定向的模式出现在场景里。

　　图8 图像加入低级特征反馈[5]

　　许多孩子喜欢仰望蓝天白云，并且用自己丰富的想象力看到了各种奇妙的幻象。如图9所示，将一幅蓝天白云的图像作为输入，用一个识别动物的深度学习神经网络加以处理，将高层神经元的认知模式作为反馈，来优化原始图像，结果可以看到各种山海经中才会出现的神兽：身着铠甲的将军狗，猪蜗牛，骆驼鸟，狗鱼。人在做梦时，高层神经元对于低层神经元发出各种反馈，低层神经元将图像依照高层的意图进行诠释幻化，视觉幻象由此产生。

图9 白云苍狗的机器学习解释[5]

　　美学（aesthetics）

　　很久以来，人们倾向于认为机器可以理解人类的逻辑思维，但却无法理解人类的丰富感情，更无法理解人类的美学价值，当然机器也就无法产生具有美学价值的作品。事实胜于雄辩，AlphaGo对局李世石下出石破天惊的一步，棋圣聂卫平先生向AlphaGo的下法脱帽致敬，这说明深度学习算法已经能够自发创造美学价值。许多棋手在棋盘方寸间纵横一生，所追寻的就是美轮美奂的神机妙手。如此深邃优美，玄奥抽象，一夜间变成了枯燥平淡的神经元参数，这令许多人心生幻灭。

　　其实，在视觉艺术领域，人工神经网络已经可以将一幅作品的内容和风格分开，同时向艺术大师学习艺术风格，并把艺术风格转移到另外的作品中，用不同艺术家的风格来渲染同样的内容[6]，如图10所示。

图10 神经网络能够自动学习艺术风格，并用不同的风格渲染同样的内容