为了找出猴子中哪些特定神经元“最喜欢”的景象，研究人员设计了一种名为XDREAM的算法，该算法生成的图像使得神经元比研究人员测试的任何自然图像更能激发。随着图像的演变，它们开始看起来像现实世界刺激的扭曲版本。这项工作将于5月2日发表在Cell杂志上。
“当使用这个工具时，细胞开始将它们的射击速度提高到超出我们之前看到的水平，即使预先选择正常的图像以获得最高的射击速率，”共同第一作者卡洛斯庞塞解释说，当时他是一名博士后研究员。哈佛医学院的高级作者玛格丽特·利文斯通实验室，现在是圣路易斯华盛顿大学的一名教师。
“在每次实验中开始出现的是那些让人想起世界形状但却不是世界上真实物体的图片，”他说。“我们看到的东西更像是语言细胞彼此使用的东西。”
研究人员已经知道，灵长类动物大脑视觉皮层中的神经元会对面部等复杂图像做出反应，并且大多数神经元在图像偏好方面都具有相当的选择性。早期关于神经元偏好的研究使用了许多自然图像来查看哪些图像导致神经元发射最多。然而，这种方法受到以下事实的限制：人们无法呈现所有可能的图像以了解究竟最能刺激细胞的是什么。
XDREAM算法使用神经元的激发率来指导新颖的合成图像的演变。它会在几分钟内完成一系列图像，改变它们，组合它们，然后显示一系列新图像。起初，这些图像看起来像是噪音，但逐渐变成了类似于动物环境中可识别的面孔或东西的形状，如动物房间的食物漏斗或熟悉的手术磨砂的人。该算法由Will Xiao在儿童医院的Gabriel Kreiman实验室开发，并在哈佛医学院的真实神经元上进行了测试。
“这种方法的最大优点是它允许神经元从头开始构建自己喜欢的图像，使用不受太多限制的工具，可以在世界上创造任何东西，甚至是世界上不存在的东西。 ，“庞塞说。
利文斯通说：“通过这种方式，我们已经发展出超级刺激，可以比我们猜测的任何自然刺激更好地驱动细胞。”“这种方法允许你使用人工智能来找出最能激发神经元的因素。这是一种完全无偏见的方式，可以向细胞询问它真正需要什么，最让它发火的是什么。”
从这项研究中，研究人员相信他们看到大脑学会抽象其统计相关的世界特征。“我们看到大脑正在分析视觉场景，并在经验的驱动下，随着时间的推移提取对个人重要的信息，”庞塞说。“大脑正在适应环境，以不可预测的方式编码生态重要信息。”
该团队认为，该技术可应用于大脑中响应感觉信息的任何神经元，例如听觉神经元，海马神经元和可以访问记忆的前额皮质神经元。“这很重要，因为人工智能研究人员开发的模型与大脑一样 - 甚至更好 - 我们仍然需要了解哪些网络更有可能安全地行动，并进一步实现人类目标，”庞塞说。“更有效的人工智能可以通过大脑如何运作的知识来建立。”
标签：猴子神经元
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。