研究表明,人工神经网络可用于驱动大脑活动

麻省理工学院神经学家执行最严格的测试的计算模型,模拟大脑的视觉皮质。

使用当前最好的大脑的视觉神经网络模型,研究人员设计了一种新的精确控制单个神经元和神经元的数量在中间的网络。在一个动物研究,团队然后显示获得的信息计算模型使他们能够创建图像,强烈激活特定的大脑神经元的选择。

这些模型的研究结果表明,当前版本到大脑足够相似,他们可以用来控制大脑状态的动物。研究还有助于建立这些视觉模型的有用性,而产生了激烈的争论他们是否准确地模拟如何视觉皮层作品,詹姆斯·迪卡洛说,麻省理工学院大脑与认知科学系的负责人,一名调查员在麦戈文脑研究所和中心的大脑,思想,和机器,这项研究的资深作者。

“人质疑这些模型提供对视觉系统的理解,”他说。”而不是辩论,从学术的角度来说,我们已经表明,这些模型是强大到足以使一个重要的新应用程序。你是否理解该模型是如何工作的,在这个意义上它已经有用。”

麻省理工学院博士后Pouya Bashivan和Kohitij山谷地形是论文的主要作者,发表在5月2日的在线版科学。

神经控制

在过去的几年中,迪卡洛和其他人已经开发出的模型基于人工神经网络的视觉系统。每个网络开始与一个任意的体系结构组成的模型神经元,或节点,可以连接到彼此有不同的优势,又称重量。

研究人员然后火车模型库的100万多个图像。研究人员展示了模型每个图像,连同一个标签图像中最显著的对象,比如一架飞机或者一把椅子,学会认清对象模型通过改变其连接的优点。

模型很难准确地确定如何达到这种认识,但迪卡洛和他的同事们曾表明,“神经元”在这些模型产生的活动模式非常相似的动物视觉皮层反应相同的图像。

在新的研究中,研究人员想要测试他们的模型是否能执行一些任务,此前并没有被证实。特别是,他们想看看模型可以用于控制动物的视觉皮层的神经活动。

“到目前为止,已经完成了这些模型预测的神经反应将是他们没有见过的其他刺激,“Bashivan说。”这里的主要区别是,我们会更进一步,使用模型驱动的神经元为期望的状态。”

为了实现这一点,研究人员首先创建了一个一对一的映射神经元在大脑的视觉区V4节点计算模型。他们通过展示图片动物和模型,并比较他们的反应相同的图像。在区V4有数以百万计的神经元,但在这项研究中,研究人员创建地图5到40个神经元的亚群。

“一旦每个神经元都有一个任务,该模型可以预测神经元,”迪卡洛说。

研究人员然后出发去看看他们是否可以使用这些预测控制的活动单个神经元在视觉皮层。第一种控制,他们称之为“拉伸”,包括显示一个图像,将推动一个特定的神经元的活动远远超出了活动通常由“自然”引起图像类似用于训练神经网络。

研究人员发现,当他们显示动物这些“合成”的图像,这是由模型和不像自然对象,按预期目标神经元并回应。平均显示约40%的神经元活动,以应对这些图片比自然图像显示时像那些用来训练模型。这种控制从未被报道过。

在类似的实验中,研究人员试图生成图像,将使一个神经元最大,同时保持活动在附近的神经元非常低,一个更艰巨的任务。他们测试的神经元,研究人员能够提高目标神经元的活动几乎没有增加周围的神经元。

“神经科学中的一个常见的趋势是,实验数据收集和计算建模有点独立执行,导致很少的模型验证,因此没有可衡量的进展。带回我们的努力,生活这“闭环”的方法,进行模型预测和神经测量的成功是至关重要的建立和测试模型很像大脑,”冰斗说。

测量精度

研究人员还显示,他们可以用模型来预测区V4的神经元将如何应对合成图像。这些模型的大多数以前的测试使用相同类型的自然图像被用来训练模型。麻省理工学院的研究小组发现,模型是54%准确预测大脑如何应对合成图像,而近90%的准确率自然图像时使用。

“在某种意义上,我们量化模型在预测的精确程度以外的领域,他们训练有素,“Bashivan说。“理想情况下,模型应该能够预测准确不管输入是什么。”

研究者们现在希望能提高模型的精度,允许他们从看到他们把新的信息的合成图像,并没有在本研究完成的。

这种控制可以用作神经科学家想要研究不同的神经元相互作用,以及它们如何可能会联系,研究人员说。更远的将来,这种方法可能是有用的治疗抑郁等情绪障碍。研究人员正在扩展他们的模型下颞叶皮层,喂到杏仁核,负责处理情绪。

“如果我们有一个好的模型的神经元参与体验的情感或导致各种各样的疾病,那么我们可以使用模型驱动神经元的方式将有助于改善这些障碍,”Bashivan说。