Forskning

Neuron modvilligt: ​​Det neurale netværk skabte et billede, der direkte påvirker hjernen

Se dette billede ovenfor? Med dette mærkelige billede var MIT neuroscientists i stand til at aktivere individuelle neuroner i hjernen. Ved hjælp af den bedste tilgængelige model af hjernens visuelle neurale netværk har forskere udviklet en ny måde at præcis styre individuelle neuroner og deres befolkninger i midten af ​​dette netværk. Under dyreforsøg viste teamet, at de oplysninger, der blev opnået fra beregningsmodellen, tillod dem at skabe billeder, der stærkt aktiverede visse hjerneneuroner.

Videnskabsfolk fik faktisk en måde at tage fat påhjernen gennem billedet "direkte", omgå den lange vej af refleksionsbilleder. Men før du tænker på den ugudelige fremtid, hvor vi virkelig bliver zombieret fra tv-skærme, lad os gøre alt i orden.

Dette er absolut et gennembrud.

De vigtigste konklusioner af arbejdet er den eksisterende, der beregnesVersionerne af de visuelle neurosystemers modeller svarer meget til de rigtige, så de kan bruges til at overvåge hjernens tilstand hos dyr. Hvor nøjagtigt disse modeller efterligner den visuelle cortexs arbejde er en meget ophedet debat, siger James DiCarlo, chef for afdelingen for hjerne- og kognitionsvidenskab hos MIT, seniorforfatteren af ​​undersøgelsen, der udkom den 2. maj i tidsskriftet Science

"Folk har længe spekuleret på, omDisse modeller er en forståelse for det visuelle system, "siger han. "I stedet for at diskutere det i akademiske kredse har vi vist, at disse modeller allerede er stærke nok til at blive brugt på nye og vigtige måder. Uanset om du forstår, hvordan denne model fungerer eller ej, er det på en måde allerede til gavn. "

Det betyder, det er ligegyldigt, hvordan den beregnede model fungerer.hjernens visuelle system - det er vigtigt, at vi allerede kan bruge det, at det er tilstrækkeligt nøjagtigt, og at det er muligt at udvikle nye eksperimenter baseret på det. Dette er den første konsekvens af det arbejde, der skal tages i betragtning.

Kontrol af neuroner gennem billeder - dette er muligt

I løbet af de sidste par år har dicarlo ogandre udviklede modeller af det visuelle system baseret på kunstige neurale netværk. Hvert netværk starter med en vilkårlig arkitektur bestående af modelneuroner eller noder, som kan forbindes til hinanden med forskellige styrkeindikatorer eller "vægt".

Så lærer forskere disse modeller i biblioteket fraover 1 million billeder. Kigger gennem hvert billede og etiket på det vigtigste objekt i billedet - f.eks. Et fly eller en stol - lærer modellen at genkende genstande ved at ændre styrken af ​​forbindelserne. Det er svært at fastslå, hvordan modellen opnår denne form for anerkendelse, men DiCarlo og hans kolleger viste tidligere, at "neuroner" i disse modeller skaber aktivitetsmønstre, der ligner dem, der observeres i dyrenes visuelle cortex, når de reagerer på de samme billeder. Det vil sige, at det neurale netværk synes at forsøge at lære at tænke eller se for ægte.

I en ny undersøgelse ønskede forskerne at kontrollerekan deres modeller udføre nogle opgaver, der ikke tidligere er blevet demonstreret. Især undrede de sig over, om det var muligt at anvende disse modeller til at kontrollere neurale aktiviteter i dyrets visuelle cortex.

"Hidtil har vi forsøgt at forudsige medDisse modeller, hvad vil de neurale reaktioner på andre stimuli, de aldrig har set før, siger forskeren. "Den største forskel her er, at vi går et skridt videre og bruger modeller til at bringe neuroner i ønskede stater."

For at opnå dette skabte forskere førstnøjagtigt et-til-et-kort over hjerne-neuroner i den visuelle region af hjernen V4 fra noder i beregningsmodellen. De gjorde det ved at vise billeder til dyr og modeller og sammenligne deres svar på de samme billeder. I V4-regionen er der millioner af neuroner, men for denne undersøgelse blev kort over subpopulationer med 5-40 neuroner oprettet samtidigt.

"Så snart hver neuron får en opgave, giver modellen dig mulighed for at forudsige denne neuron," siger DiCarlo.

Så bestemte forskerne sig for at finde ud af, om de kunnebrug disse forudsigelser til at kontrollere aktiviteten af ​​individuelle neuroner i den visuelle cortex. Den første type kontrol, som de kaldte "strækker", indeholder et billede, der tager aktiviteten af ​​en bestemt neuron langt ud over aktivitetsgrænserne, som normalt skyldes "naturlige" billeder, som dem, der plejede at uddanne neurale netværk.

Forskerne fandt, at når man demonstrererdyr af sådanne "syntetiske" billeder, der er skabt af modeller og ikke ligner naturlige objekter, reagerede målneuronerne som forventet. I gennemsnit viste neuroner ca. 40 procent mere aktivitet som svar på disse billeder, end når de blev vist naturlige billeder. Ingen har nogensinde opnået denne form for kontrol før.

"Det faktum at de formåede at gøre dette er forbløffende. Fra et neurons synspunkt synes dets ideelle billede at være i fokus. Neuronet får pludselig den stimulus, den altid har været på udkig efter, "siger Aaron Batista, lektor i bioteknologi ved University of Pittsburgh, som ikke deltog i undersøgelsen. "Dette er en god ide, og implementering af det er en ægte oplevelse. Måske er dette det kraftigste bevis på behovet for at bruge kunstige neurale netværk til at forstå ægte neurale netværk. "

Bare tænk: Forskere har skabt en simpel (så langt) billedgenerator, der giver en vis effekt i hjernen hos et dyr (hidtil). I teorien, indtil videre kun i teorien, ville det være muligt at skabe et "perfekt" billede til at kontrollere hormonemissioner, skabe specifikke minder, programmering af menneskelige handlinger, fordi alt dette er resultatet af neuroner. Billedet skabt af det neurale netværk, som ingen nogensinde har set, og som kun et neuralt netværk, der forstår hjernens indre arbejde, kan kun helbrede og dræbe.

I en lignende række eksperimenter har forskere forsøgtat skabe billeder, der maksimalt vil "udlede" en neuron fra sig selv, samtidig med at aktiviteten i nabo-neuroner holdes på et meget lavt niveau, hvilket er vanskeligere. Med de fleste neuroner testet, var forskerne i stand til at øge målneuronens aktivitet med en lille stigning i de omgivende neuroner.

"Den generelle tendens i neurovidenskab er detEksperimentelle data og computermodellering udføres lidt særskilt, hvilket gør det umuligt at bekræfte modellen væsentligt, så der er ingen målbare fremskridt. Vores bestræbelser er at bringe tilbage en "lukket kredsløb" tilgang, siger forskere. Dette er vigtigt for succes med at bygge og teste modeller, der er mest som hjernen.

Målingsnøjagtighed

Forskere har også vist, at de kan brugedin model for at forudsige, hvordan neuroner fra V4 regionen vil reagere på de syntetiserede billeder - som den ovenstående. De fleste af de tidligere modelprøver brugte samme type naturalistiske billeder, som modellen blev trænet på. Forskere fra MIT har fundet ud af, at modeller med en nøjagtighed på 54% forudsiger, hvordan hjernen skal reagere på de syntetiserede billeder, og med en nøjagtighed på 90% forudsiger, hvordan hjernen vil reagere på naturlige billeder.

"På en vis måde kvantificerer vi,hvor præcise disse modeller er, når man prognoser uden for det område, hvor de blev uddannet, "siger en forsker. "Ideelt set bør modellen være i stand til præcist at forudsige svaret, uanset indgangssignalet."

Nu håber forskere på at forbedre nøjagtigheden af ​​modellerne,så de kan indarbejde nye oplysninger, som de forstår ved at se på de syntetiserede billeder. Denne undersøgelse fandt ikke anvendelse. Enkelt sagt vil modeller lære af deres egne genererede billeder.

Denne form for kontrol vil være nyttig tilneuroscientists, der ønsker at studere hvordan forskellige neuroner kommunikerer og interagerer med hinanden. I fremtiden vil denne tilgang muligvis være nyttig til at lindre humørsvingninger, såsom depression. Nu arbejder forskere på at udvide deres model til den lavere temporal (inferotemporal) cortex, som føder på amygdala, som er involveret i behandling af følelser.

"Hvis vi havde en god model af neuroner,der udløser en følelse af følelser eller forårsager forskellige former for lidelser, kunne vi bruge denne model til at kontrollere neuroner på en måde, der hjælper med at lindre disse lidelser. "

Du kan diskutere denne fantastiske opdagelse lige nu i vores chat i Telegram.