内江,河北,极灵混沌决-wordpress模板中心-免费WordPress模板和插件

频道:趣闻中心 日期: 浏览:284

更多精彩,敬请重视硅谷洞悉官方网站(http://www.svinsight.com)

研讨人员表明,他们开端的意图是探究大脑怎么感知和了解视觉国际。为此,他们创立了能够模仿大脑视觉皮层的核算模型。但只是创立模型是不行的,他们还想知道自己创立的模型是否准确。

所以,他们测验用创立的模型操控神经元,测验他们的模型能否准确地操控单个神经元以及视觉神经网络中的神经元群。这是一项十分严厉的测验。

他们将自己创立的核算模型称为「controller」,用这一模型操控另一个体系的输出,也便是试验中山公大脑的神经活动。

首要,他们运用从该核算模型中取得的信息创立了特定的图画。这些图画与天然图画存在很大的不同,如下图所示。

研讨人员运用深度神经网络模型组成的图画。

研讨人员将这些图画展现给试验中的山公,调查图画是否能够剧烈激活他们挑选的特定脑神经元。

试验结果表明,这些图画能够剧烈激活他们挑选的特定脑神经元。也便是说,他们运用自己创立的人工神经体系成功操控了实在神经体系的活动。

试验过程

曩昔几年里,DiCarlo 及其别人开发出了根据人工神经网络的视觉体系模型。每个网络开端时具有一个包括模型神经元或节点的恣意架构,这些不同强度(也可称权重)的神经元或节点彼此之间能够相互衔接。

随后,研讨者在一个具有 100 多万张图画的库中练习这些模型。当研讨者向模型展现每张图画,并给图画中最杰出的物体添加标签(如飞机或椅子等)时,模型经过改动其衔接强度来学习辨认物体。

尽管很难准确确认模型怎么完成这种辨认,但 DiCarlo 及其搭档之前现已证明了这些模型中的「神经元」发生的活动形式与动物视觉皮层对同一图画的反响十分相似。

研讨者规划了几个闭环的神经生理学试验:在将模型神经元与每个记载的大脑神经位点匹配之后,他们运用模型组成了全新的「controller」图画。接下来,他们将这些图画展现给每个方针,以测验模型操控方针神经元的才能。

在一项测验中,研讨人员让模型测验操控每个大脑神经元,使其激活程度超越其平常调查到的最大激活水平。他们发现,模型生成的组成影响成功地驱动 68% 的神经位点超出了它们的天然调查激活水平。

在一项愈加严厉的测验中,研讨人员企图生成能够最大极限地操控一个神经元的图画,一起坚持邻近神经元的活泼度十分低,这是一项愈加困难的使命。

但这没有难倒他们。关于测验的大多数神经元,研讨人员能够增强方针神经元的活泼度,而周围神经元的活泼度几乎没有添加。

接下来,研讨者运用这些非天然组成的 controller 图画来测验模型猜测大脑反响的才能是否能够适用于这些全新的图画。结果表明,模型十分准确,猜测到了 54% 的图画诱发的大脑反响形式,不过这还不行完美。

「此前,模型现已能够猜测神经对其他未见过的影响的反响,」Bashivan 表明。「这儿首要的不同之处在于咱们又往前走了一步,即运用模型操控神经元到达咱们想要的情况。」

为了到达这一方针,研讨人员首要在核算模型中创立了大脑 V4 视觉区域神经元到节点的一对一映射。他们经过向动物和模型展现图画,并比较它们对相同图画的反响来完成这一意图。V4 区有数百万个神经元,但在这项研讨中,研讨人员每次只创立 5~40 个神经元的映射。

「一旦搞清楚了每个神经元的分工,模型就能对神经元做出猜测。」DiCarlo 表明。

研讨人员开端研讨能否运用这些猜测来操控视觉皮层单个神经元的活动。他们用到的第一种操控叫做「stretching」,包括展现一幅将会操控某个特定神经元的图画。

研讨人员发现,当他们向动物展现这些由模型创立的十分规「组成」图画时,方针神经元确实做出了预期的反响。均匀而言,这些神经元对组成图画的反响要比它们看到用于练习模型的天然图画时活泼 40% 左右。这种操控办法也是创始性的。

「试验数据搜集和核算建模分隔进行是神经科学的一个遍及趋势,这使得模型验证十分少,因而缺少可量化的发展。咱们的作业使这一『闭环』办法」重获活力,将模型猜测和神经丈量都包括进来,这些对成功构建和测验最接近大脑的模型至关重要,」Kar 表明。

图 1:组成过程概览。A) 两个受测操控场景的图示。C) 神经操控试验具体过程。D) 山公 M(黑色)、N(赤色)和 S(蓝色)的神经位点感触野。其间 C 展现了神经操控试验的四个过程:在很多标示天然图画上练习神经网络,以优化其参数,然后坚持不变;将 ANN「神经元」映射到每个记载的 V4 神经位点;运用得到的可微模型组成「controller」图画,用于 single-site 或集体操控;将这些图画指定的发光形式运用于受试者的视网膜,衡量神经位点的操控水平。

证明用人工神经网络了解实在

神经网络的可行性

试验结果表明,当时这些模型与大脑十分相似,可用于操控动物的脑情况。James DiCarlo 称,该研讨还有助于确认这些模型的有用性,而这引起了它们是否能够准确模仿视觉皮层作业的剧烈争辩。

他还说道:「人们对这些模型是否能够了解视觉体系提出了质疑。抛却学术意义上的争辩,咱们证明了这些模型现已满足强壮,能够促进一项重要的新运用。不管你是否了解该模型的作业原理,从这层意义上来说现已很有用了。」

「他们做到的这一点真的很棒。就好像那副抱负的图画忽然抓住了那个神经元的注意力。那个神经元忽然找到了它一直以来寻觅的影响,」匹兹堡大学生物工程学副教授 Aaron Batista 表明。「这个主意十分了不得,将其变为实际愈加了不得。这或许是用人工神经网络了解实在神经网络迄今为止最有力的证明。

研讨成果有望用于医治抑郁症

研讨者表明,关于那些想要研讨不同神经元怎么相互作用和怎么衔接的神经科学家来说,这种操控或许有用。在悠远的未来,这种办法有或许在医治抑郁症等心情妨碍中发挥作用。现在,研讨者正在研讨将他们的模型扩展至为杏仁体供给养料的颞下皮层,而杏仁体又涉及到心情处理。

Bashivan 表明:「假如咱们有一个优异的神经元模型,它能够体会心情或引发不同品种的失调,咱们就能够运用该模型操控神经元,来协助缓解失调情况。」

三位研讨者分别是 MIT 大脑与行为科学系主任 James DiCarlo、MIT 博士后 Pouya Bashivan 和 Kohitij Kar。相关论文宣布在 5 月 2 日 Science 的网络版上。

论文链接:http s://www.biorxiv.org/content/10.1101/461525v1

更多精彩,敬请重视硅谷洞悉官方网站(http://www.svinsight.com)