Neuron απρόθυμα: το νευρικό δίκτυο δημιούργησε μια εικόνα που επηρεάζει άμεσα τον εγκέφαλο

Δείτε αυτήν την εικόνα παραπάνω; Με αυτή την περίεργη εικόνα, οι νευροεπιστήμονες του MIT κατάφεραν να ενεργοποιήσουν μεμονωμένους νευρώνες στον εγκέφαλο. Χρησιμοποιώντας το καλύτερο διαθέσιμο μοντέλο του οπτικού νευρικού δικτύου του εγκεφάλου, οι επιστήμονες έχουν αναπτύξει έναν νέο τρόπο για τον ακριβή έλεγχο των επιμέρους νευρώνων και των πληθυσμών τους στη μέση αυτού του δικτύου. Κατά τη διάρκεια δοκιμών σε ζώα, η ομάδα έδειξε ότι οι πληροφορίες που ελήφθησαν από το υπολογιστικό μοντέλο τους επέτρεψαν να δημιουργήσουν εικόνες που ενεργοποίησαν έντονα ορισμένους εγκεφαλικούς νευρώνες.

Οι επιστήμονες, στην πραγματικότητα, είχαν έναν τρόπο αντιμετώπισηςτον εγκέφαλο μέσω της εικόνας "άμεσα", παρακάμπτοντας τη μεγάλη διαδρομή των εικόνων αντανάκλασης. Αλλά προτού να σκεφτείτε το ζοφερό μέλλον, στο οποίο θα είμαστε πραγματικά ζόμπι από τις τηλεοπτικές οθόνες, ας κάνουμε τα πάντα εντάξει.

Αυτό είναι σίγουρα μια σημαντική ανακάλυψη.

Τα βασικά συμπεράσματα του έργου είναι τα υπάρχοντα υπολογισθένταοι εκδόσεις των μοντέλων των οπτικών νευροσυστημάτων είναι αρκετά παρόμοιες με τις πραγματικές, έτσι ώστε να μπορούν να χρησιμοποιηθούν για την παρακολούθηση της κατάστασης του εγκεφάλου στα ζώα. Πόσο ακριβώς αυτά τα μοντέλα μιμούνται τη δουλειά του οπτικού φλοιού είναι μια πολύ έντονη συζήτηση, λέει ο James DiCarlo, επικεφαλής του τμήματος εγκεφάλου και γνωστικών επιστημών στο MIT, ο ανώτερος συγγραφέας της μελέτης, ο οποίος εμφανίστηκε στις 2 Μαΐου στο περιοδικό Science.

"Οι άνθρωποι έχουν αναρωτηθεί πολύ για το αναυτά τα μοντέλα είναι μια κατανόηση του οπτικού συστήματος ", λέει. "Αντί να το συζητήσουμε σε ακαδημαϊκούς κύκλους, έχουμε δείξει ότι αυτά τα μοντέλα είναι ήδη αρκετά ισχυρά για να χρησιμοποιηθούν με νέους και σημαντικούς τρόπους. Ανεξάρτητα από το αν καταλαβαίνετε πώς λειτουργεί αυτό το μοντέλο ή όχι, κατά κάποιο τρόπο, ωφελεί. "

Δηλαδή, δεν έχει σημασία το πώς λειτουργεί το υπολογισμένο μοντέλο.το οπτικό σύστημα του εγκεφάλου - είναι σημαντικό ότι μπορούμε ήδη να το χρησιμοποιήσουμε, ότι είναι αρκετά ακριβές και ότι είναι δυνατόν να αναπτυχθούν νέα πειράματα με βάση αυτό. Αυτή είναι η πρώτη συνέπεια του έργου που πρέπει να ληφθεί υπόψη.

Έλεγχος των νευρώνων μέσω εικόνων - αυτό είναι δυνατό

Τα τελευταία χρόνια dicarlo καιάλλοι ανέπτυξαν μοντέλα του οπτικού συστήματος που βασίζονται σε τεχνητά νευρωνικά δίκτυα. Κάθε δίκτυο ξεκινά με μια αυθαίρετη αρχιτεκτονική που αποτελείται από νευρώνες μοντέλων ή κόμβους που μπορούν να συνδεθούν ο ένας με τον άλλο με διαφορετικούς δείκτες δύναμης ή "βάρος".

Στη συνέχεια, οι επιστήμονες διδάσκουν αυτά τα μοντέλα στη βιβλιοθήκηπάνω από 1 εκατομμύριο εικόνες. Κοιτάζοντας μέσα από κάθε εικόνα και ετικέτα του πιο σημαντικού αντικειμένου στην εικόνα - ένα αεροπλάνο ή μια καρέκλα, για παράδειγμα - το μοντέλο μαθαίνει να αναγνωρίζει αντικείμενα μεταβάλλοντας τη δύναμη των συνδέσεων. Είναι δύσκολο να προσδιοριστεί ακριβώς πώς το μοντέλο επιτυγχάνει αυτό το είδος αναγνώρισης, αλλά ο DiCarlo και οι συνάδελφοί του έδειξαν προηγουμένως ότι οι "νευρώνες" σε αυτά τα μοντέλα δημιουργούν πρότυπα δραστηριότητας που είναι πολύ παρόμοια με αυτά που παρατηρούνται στον οπτικό φλοιό των ζώων όταν αντιδρούν στις ίδιες εικόνες. Δηλαδή, το νευρικό δίκτυο φαίνεται να προσπαθεί να μάθει να σκέφτεται ή να βλέπει πραγματικά.

Σε μια νέα μελέτη, οι επιστήμονες ήθελαν να ελέγξουνμπορούν τα μοντέλα τους να εκτελούν ορισμένες εργασίες που δεν έχουν αποδειχθεί προηγουμένως. Συγκεκριμένα, αναρωτήθηκαν αν ήταν δυνατόν να χρησιμοποιηθούν αυτά τα μοντέλα για τον έλεγχο της νευρικής δραστηριότητας στον οπτικό φλοιό των ζώων.

"Μέχρι στιγμής έχουμε προσπαθήσει να προβλέψουμε μεαυτά τα μοντέλα, ποιες θα είναι οι νευρικές απαντήσεις σε άλλα ερεθίσματα που δεν έχουν δει ποτέ πριν », λέει ο επιστήμονας. "Η κύρια διαφορά είναι ότι κάνουμε ένα βήμα παραπέρα και χρησιμοποιούμε μοντέλα για να φέρουμε τους νευρώνες στις επιθυμητές καταστάσεις".

Για να επιτευχθεί αυτό, οι επιστήμονες δημιουργήθηκαν για πρώτη φοράακριβή χάρτη ενός νευρώνων στον εγκέφαλο στην οπτική περιοχή του εγκεφάλου V4 από τους κόμβους στο υπολογιστικό μοντέλο. Το έκαναν αυτό δείχνοντας εικόνες σε ζώα και μοντέλα και συγκρίνοντας τις απαντήσεις τους στις ίδιες εικόνες. Στην περιοχή V4 υπάρχουν εκατομμύρια νευρώνες, αλλά για αυτή τη μελέτη δημιουργήθηκαν ταυτόχρονα χάρτες υποπληθυσμών με 5-40 νευρώνες.

"Μόλις ο κάθε νευρώνας λάβει μια ανάθεση, το μοντέλο σάς επιτρέπει να κάνετε προβλέψεις για αυτόν τον νευρώνα", λέει ο DiCarlo.

Τότε οι επιστήμονες αποφάσισαν να μάθουν αν μπορούσανχρησιμοποιήστε αυτές τις προβλέψεις για να ελέγξετε τη δραστηριότητα των μεμονωμένων νευρώνων στον οπτικό φλοιό. Ο πρώτος τύπος ελέγχου, τον οποίο ονόμασαν «τέντωμα», περιλαμβάνει την εμφάνιση μιας εικόνας που θα φέρει τη δραστηριότητα ενός συγκεκριμένου νευρώνα πολύ πέρα ​​από τα όρια της δραστηριότητας που συνήθως προκαλούνται από «φυσικές» εικόνες, όπως αυτές που χρησιμοποιούνται για την εκπαίδευση νευρωνικών δικτύων.

Οι ερευνητές διαπίστωσαν ότι κατά την επίδειξηζώα τέτοιων "συνθετικών" εικόνων που δημιουργούνται από μοντέλα και δεν μοιάζουν με φυσικά αντικείμενα, οι νευρώνες-στόχοι αντέδρασαν, όπως αναμενόταν. Κατά μέσο όρο, οι νευρώνες παρουσίασαν περίπου 40% περισσότερη δραστηριότητα σε απάντηση σε αυτές τις εικόνες από ό, τι όταν παρουσιάστηκαν φυσικές εικόνες. Κανείς δεν έχει επιτύχει ποτέ τέτοιο έλεγχο πριν.

"Το γεγονός ότι κατάφεραν να το κάνουν αυτό είναι εκπληκτικό. Από την άποψη ενός νευρώνα, η ιδανική του εικόνα φαίνεται να είναι στην εστία του. Ο νευρώνας δίνεται ξαφνικά το ερέθισμα που πάντα αναζητούσε », λέει ο Aaron Batista, αναπληρωτής καθηγητής βιοϊατρικής στο Πανεπιστήμιο του Pittsburgh, ο οποίος δεν συμμετείχε στη μελέτη. "Αυτή είναι μια εξαιρετική ιδέα και η εφαρμογή της είναι ένα πραγματικό κατόρθωμα. Ίσως αυτή να είναι η ισχυρότερη απόδειξη της ανάγκης χρήσης τεχνητών νευρωνικών δικτύων για την κατανόηση πραγματικών νευρωνικών δικτύων. "

Απλά σκεφτείτε: Οι επιστήμονες έχουν δημιουργήσει μια απλή (μέχρι στιγμής) γεννήτρια εικόνας που προκαλεί κάποια επίδραση στον εγκέφαλο ενός ζώου (μέχρι στιγμής). Θεωρητικά, μέχρι τώρα μόνο θεωρητικά θα ήταν δυνατό να δημιουργηθεί μια "τέλεια" εικόνα για τον έλεγχο των εκπομπών ορμονών, δημιουργώντας συγκεκριμένες αναμνήσεις, προγραμματίζοντας τις ανθρώπινες ενέργειες, διότι όλα αυτά είναι αποτέλεσμα των νευρώνων. Η εικόνα που δημιουργήθηκε από το νευρικό δίκτυο, την οποία κανείς δεν έχει δει ποτέ και μόνο ένα νευρωνικό δίκτυο που κατανοεί την εσωτερική λειτουργία του εγκεφάλου, μπορεί μόνο να θεραπεύσει και να σκοτώσει.

Σε μια παρόμοια σειρά πειραμάτων, οι επιστήμονες έχουν δοκιμάσεινα δημιουργήσουμε εικόνες που θα μπορούσαν να "εξαγάγουν" από μόνη της ένα νευρώνα, διατηρώντας ταυτόχρονα τη δραστηριότητα σε γειτονικούς νευρώνες σε πολύ χαμηλό επίπεδο, το οποίο είναι πιο δύσκολο. Με την πλειονότητα των δοκιμασμένων νευρώνων, οι επιστήμονες ήταν σε θέση να αυξήσουν τη δραστηριότητα του νευρώνα στόχου με μια ελαφρά αύξηση στους γύρω νευρώνες.

«Η γενική τάση στη νευροεπιστήμη είναι αυτήΤα πειραματικά δεδομένα και η μοντελοποίηση των υπολογιστών εκτελούνται ελαφρώς χωριστά, γεγονός που καθιστά αδύνατη την επιβεβαίωση του μοντέλου, επομένως δεν υπάρχει μετρήσιμη πρόοδος. Οι προσπάθειές μας φέρνουν πίσω μια προσέγγιση "κλειστού βρόχου", λένε οι επιστήμονες. Αυτό είναι σημαντικό για την επιτυχία των μοντέλων κτιρίων και δοκιμών που μοιάζουν περισσότερο με τον εγκέφαλο.

Ακρίβεια μέτρησης

Οι επιστήμονες έχουν επίσης δείξει ότι μπορούν να χρησιμοποιήσουντο πρότυπό σας να προβλέψει πώς οι νευρώνες από την περιοχή V4 θα ανταποκριθούν στις συνθετικές εικόνες - όπως και η παραπάνω. Οι περισσότερες από τις προηγούμενες δοκιμές μοντέλων χρησιμοποίησαν τον ίδιο τύπο φυσιοκρατικών εικόνων στις οποίες εκπαιδεύτηκε το μοντέλο. Οι επιστήμονες από το MIT διαπίστωσαν ότι τα μοντέλα με ακρίβεια 54% προβλέπουν πως ο εγκέφαλος πρέπει να ανταποκρίνεται στις συνθετικές εικόνες και με ακρίβεια 90% να προβλέπουν πώς ο εγκέφαλος θα αντιδράσει στις φυσικές εικόνες.

"Κατά μία έννοια, ποσοτικοποιούμε,πόσο ακριβή είναι αυτά τα μοντέλα κατά την πρόβλεψη εκτός της περιοχής στην οποία εκπαιδεύτηκαν », λέει ένας ερευνητής. "Ιδανικά, το μοντέλο θα πρέπει να είναι σε θέση να προβλέψει με ακρίβεια την απόκριση, ανεξάρτητα από το σήμα εισόδου."

Τώρα οι επιστήμονες ελπίζουν να βελτιώσουν την ακρίβεια των μοντέλων,επιτρέποντάς τους να ενσωματώσουν νέες πληροφορίες που κατανοούν βλέποντας τις συνθετικές εικόνες. Η μελέτη αυτή δεν ισχύει. Με απλά λόγια, τα μοντέλα θα μάθουν από τις δικές τους εικόνες.

Αυτός ο έλεγχος θα είναι χρήσιμοςνευροεπιστήμονες που θέλουν να μελετήσουν το πώς οι διαφορετικοί νευρώνες επικοινωνούν και αλληλεπιδρούν μεταξύ τους. Στο μέλλον, αυτή η προσέγγιση θα είναι ενδεχομένως χρήσιμη στην ανακούφιση των προβλημάτων διάθεσης, όπως η κατάθλιψη. Τώρα οι επιστήμονες εργάζονται για την επέκταση του μοντέλου τους στον κατώτερο χρονικό (inferotemporal) φλοιό, ο οποίος τροφοδοτεί την αμυγδαλή, η οποία εμπλέκεται στην επεξεργασία των συναισθημάτων.

"Αν είχαμε ένα καλό μοντέλο νευρώνων,που προκαλούν ένα κύμα συναισθημάτων ή προκαλούν διαφορετικούς τύπους διαταραχών, θα μπορούσαμε να χρησιμοποιήσουμε αυτό το μοντέλο για τον έλεγχο των νευρώνων με τρόπους που βοηθούν στην ανακούφιση αυτών των διαταραχών ».

Μπορείτε να συζητήσετε αυτή την εκπληκτική ανακάλυψη αυτή τη στιγμή στο chat μας στο Telegram.