信用：CC0 Public Domain

麻省理工學(xué)院的神經(jīng)科學(xué)家已經(jīng)對(duì)模擬大腦視覺皮層的計(jì)算模型進(jìn)行了最嚴(yán)格的測(cè)試。

利用他們目前最好的大腦視覺神經(jīng)網(wǎng)絡(luò)模型,，研究人員設(shè)計(jì)了一種精確控制該網(wǎng)絡(luò)中間神經(jīng)元和神經(jīng)元群體的新方法,。在一項(xiàng)動(dòng)物研究中，該團(tuán)隊(duì)隨后表明,，從計(jì)算模型中獲得的信息使他們能夠創(chuàng)建強(qiáng)烈激活他們選擇的特定大腦神經(jīng)元的圖像,。

研究結(jié)果表明，這些模型的當(dāng)前版本與大腦相似,，可用于控制動(dòng)物的大腦狀態(tài),。該研究還有助于確定這些視覺模型的有用性，這些視覺模型已經(jīng)引起了關(guān)于它們是否準(zhǔn)確模仿視覺皮層如何工作的激烈爭(zhēng)論,，麻省理工學(xué)院腦科學(xué)和認(rèn)知科學(xué)系主任,，麥戈文研究所研究員James DiCarlo說。腦研究和大腦,，思想和機(jī)器中心,，以及該研究的高級(jí)作者。

“人們質(zhì)疑這些模型是否能夠提供對(duì)視覺系統(tǒng)的理解,，”他說,?！岸皇窃趯W(xué)術(shù)意義上辯論，我們發(fā)現(xiàn)這些模型已經(jīng)足夠強(qiáng)大,，可以實(shí)現(xiàn)一個(gè)重要的新應(yīng)用。無論你是否了解模型是如何工作的,，它在這個(gè)意義上已經(jīng)很有用了,。”

麻省理工學(xué)院博士后Pouya Bashivan和Kohitij Kar是該論文的主要作者,，該論文刊登在5月2日的在線科學(xué)版上,。

神經(jīng)控制

在過去幾年中，DiCarlo和其他人已經(jīng)開發(fā)出基于人工神經(jīng)網(wǎng)絡(luò)的視覺系統(tǒng)模型,。每個(gè)網(wǎng)絡(luò)都以一個(gè)由模型神經(jīng)元或節(jié)點(diǎn)組成的任意架構(gòu)開始,，這些神經(jīng)元或節(jié)點(diǎn)可以以不同的強(qiáng)度相互連接，也稱為權(quán)重,。

然后研究人員在超過100萬張圖像的庫中訓(xùn)練模型,。當(dāng)研究人員向每個(gè)圖像顯示模型時(shí)，以及圖像中最突出的對(duì)象（如飛機(jī)或椅子）的標(biāo)簽,，模型通過改變其連接的強(qiáng)度來學(xué)習(xí)識(shí)別對(duì)象,。

很難準(zhǔn)確確定該模型如何實(shí)現(xiàn)這種識(shí)別，但DiCarlo和他的同事之前已經(jīng)證明,，這些模型中的“神經(jīng)元”產(chǎn)生的活動(dòng)模式與動(dòng)物視覺皮層中響應(yīng)相同圖像的活動(dòng)模式非常相似,。

在這項(xiàng)新研究中，研究人員希望測(cè)試他們的模型是否可以完成以前尚未證明的任務(wù),。特別是,，他們想看看模型是否可以用來控制動(dòng)物視覺皮層的神經(jīng)活動(dòng)。

“到目前為止,，對(duì)這些模型所做的事情是預(yù)測(cè)神經(jīng)反應(yīng)會(huì)對(duì)他們以前從未見過的其他刺激產(chǎn)生什么影響,，”Bashivan說?！斑@里的主要區(qū)別在于我們更進(jìn)一步,，使用模型將神經(jīng)元驅(qū)動(dòng)到所需的狀態(tài)?！?/p>

為了實(shí)現(xiàn)這一目標(biāo),，研究人員首先在大腦的視覺區(qū)域V4中創(chuàng)建了一對(duì)一的神經(jīng)元映射到計(jì)算模型中的節(jié)點(diǎn)。他們通過向動(dòng)物和模型顯示圖像,，并將它們對(duì)相同圖像的響應(yīng)進(jìn)行比較來做到這一點(diǎn),。V4區(qū)有數(shù)百萬個(gè)神經(jīng)元，但在這項(xiàng)研究中,，研究人員一次創(chuàng)建了5到40個(gè)神經(jīng)元亞群的圖譜,。

“一旦每個(gè)神經(jīng)元都有一個(gè)任務(wù),，該模型就可以讓你對(duì)這個(gè)神經(jīng)元進(jìn)行預(yù)測(cè)，”DiCarlo說,。

然后研究人員開始研究是否可以使用這些預(yù)測(cè)來控制視覺皮層中單個(gè)神經(jīng)元的活動(dòng),。第一種類型的控制，他們稱之為“拉伸”,，涉及顯示一個(gè)圖像,，該圖像將驅(qū)動(dòng)特定神經(jīng)元的活動(dòng)，遠(yuǎn)遠(yuǎn)超出通常由用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)的“自然”圖像引起的活動(dòng),。

研究人員發(fā)現(xiàn),，當(dāng)他們向動(dòng)物展示這些“合成”圖像時(shí)，這些圖像由模型創(chuàng)建并且與自然物體不相似,，目標(biāo)神經(jīng)元確實(shí)如預(yù)期的那樣響應(yīng),。平均而言，神經(jīng)元在響應(yīng)這些圖像時(shí)顯示出比用于訓(xùn)練模型的自然圖像更多的活動(dòng),。以前從未報(bào)道過這種控制,。

在一組類似的實(shí)驗(yàn)中，研究人員試圖生成最大限度地驅(qū)動(dòng)一個(gè)神經(jīng)元的圖像,，同時(shí)保持附近神經(jīng)元的活動(dòng)非常低,，這是一項(xiàng)更艱巨的任務(wù)。對(duì)于他們測(cè)試的大多數(shù)神經(jīng)元,，研究人員能夠增強(qiáng)目標(biāo)神經(jīng)元的活動(dòng),，而周圍神經(jīng)元的增加很少。

“神經(jīng)科學(xué)的一個(gè)共同趨勢(shì)是實(shí)驗(yàn)數(shù)據(jù)收集和計(jì)算建模在某種程度上獨(dú)立執(zhí)行,，導(dǎo)致模型驗(yàn)證非常少,，因此沒有可測(cè)量的進(jìn)展。我們的努力使這種”閉環(huán)“方法恢復(fù)生機(jī),，引入模型預(yù)測(cè)和神經(jīng)測(cè)量對(duì)于建立和測(cè)試最像大腦的模型的成功至關(guān)重要,，“Kar說。

測(cè)量精度

研究人員還表明他們可以使用該模型來預(yù)測(cè)V4區(qū)域的神經(jīng)元如何對(duì)合成圖像做出反應(yīng),。這些模型的大多數(shù)先前測(cè)試使用了用于訓(xùn)練模型的相同類型的自然圖像,。麻省理工學(xué)院的研究小組發(fā)現(xiàn)，這些模型在預(yù)測(cè)大腦對(duì)合成圖像的響應(yīng)方面的準(zhǔn)確率約為54％,，而使用自然圖像的精度幾乎達(dá)到90％,。

“從某種意義上說，我們正在量化這些模型在他們接受培訓(xùn)的領(lǐng)域之外進(jìn)行預(yù)測(cè)的準(zhǔn)確程度,，”Bashivan說,。“理想情況下,，無論輸入是什么,，模型都應(yīng)該能夠準(zhǔn)確預(yù)測(cè),。”

研究人員現(xiàn)在希望通過允許他們將合成圖像中學(xué)到的新信息納入本研究中,，從而提高模型的準(zhǔn)確性,。

研究人員表示，這種控制對(duì)于想要研究不同神經(jīng)元如何相互作用以及它們?nèi)绾蜗嗷ミB接的神經(jīng)科學(xué)家來說非常有用,。將來,，這種方法可能有助于治療情緒障礙，如抑郁癥,。研究人員現(xiàn)在正致力于將他們的模型擴(kuò)展到顳下皮質(zhì)，后者進(jìn)入杏仁核,，這與處理情緒有關(guān),。

“如果我們有一個(gè)良好的神經(jīng)元模型參與體驗(yàn)情緒或引起各種疾病，那么我們就可以利用這個(gè)模型以一種有助于改善這些疾病的方式驅(qū)動(dòng)神經(jīng)元,，”Bashivan說,。#清風(fēng)計(jì)劃#

更多信息： P。Bashivan等,，“通過深度圖像合成進(jìn)行神經(jīng)群體控制”,，Science（2019）。science.sciencemag.org/cgi/doi ... 1126 / science.aav9436

期刊信息： 科學(xué)