Neurone à contrecœur: le réseau de neurones a créé une image qui affecte directement le cerveau

Voir cette image ci-dessus? Grâce à cette image étrange, les neuroscientifiques du MIT ont pu activer des neurones individuels dans le cerveau. En utilisant le meilleur modèle disponible du réseau de neurones visuels du cerveau, les scientifiques ont mis au point un nouveau moyen de contrôler avec précision les neurones individuels et leurs populations au milieu de ce réseau. Lors des tests sur les animaux, l'équipe a montré que les informations obtenues à partir du modèle informatique leur permettaient de créer des images activant fortement certains neurones du cerveau.

Les scientifiques, en fait, ont un moyen d'aborderle cerveau à travers l'image "directement", en contournant le long chemin des images de réflexion. Mais avant que vous ne pensiez au futur sombre dans lequel nous allons vraiment être bouleversés depuis les écrans de télévision, faisons tout dans l’ordre.

C'est définitivement une avancée.

Les principales conclusions du travail sont les calculs actuelsles versions des modèles de neurosystèmes visuels sont assez similaires aux modèles réels, de sorte qu’ils peuvent être utilisés pour surveiller l’état du cerveau chez les animaux. James DiCarlo, responsable du département des sciences du cerveau et de la cognition du MIT, auteur principal de l’étude, a paru avec précision à l’image du travail du cortex visuel. Il s’agit d’un débat très animé, paru le 2 mai dans la revue Science.

"Les gens se sont longtemps demandé sices modèles sont une compréhension du système visuel », dit-il. «Au lieu d'en discuter dans les cercles universitaires, nous avons montré que ces modèles sont déjà suffisamment puissants pour être utilisés de manière nouvelle et importante. Que vous compreniez ou non comment ce modèle fonctionne, dans un sens, il en profite déjà. ”

Autrement dit, le fonctionnement du modèle calculé n'a pas d'importance.le système visuel du cerveau - il est important que nous puissions déjà l'utiliser, qu'il soit suffisamment précis et qu'il soit possible de développer de nouvelles expériences à partir de celui-ci. C’est la première conséquence du travail à prendre en compte.

Contrôle des neurones à travers des images - c'est possible

Au cours des dernières années, dicarlo etd'autres ont développé des modèles du système visuel basés sur des réseaux de neurones artificiels. Chaque réseau commence par une architecture arbitraire composée de neurones modèles, ou de nœuds pouvant être connectés les uns aux autres par différents indicateurs de force, ou «poids».

Ensuite, les scientifiques enseignent ces modèles dans la bibliothèque deplus d'un million d'images. En regardant à travers chaque image et étiquette de l'objet le plus important de l'image - un avion ou une chaise, par exemple - le modèle apprend à reconnaître des objets en modifiant la force des connexions. Il est difficile de déterminer exactement comment le modèle obtient ce type de reconnaissance, mais DiCarlo et ses collègues ont déjà montré que les «neurones» de ces modèles créent des modèles d'activité très similaires à ceux observés dans le cortex visuel des animaux lorsqu'ils réagissent aux mêmes images. C'est-à-dire que le réseau de neurones semble essayer d'apprendre à penser ou à voir pour de vrai.

Dans une nouvelle étude, les scientifiques ont voulu vérifierleurs modèles peuvent effectuer des tâches qui n’ont pas encore été démontrées. En particulier, ils se sont demandé si ces modèles pourraient être utilisés pour contrôler l'activité neuronale dans le cortex visuel d'animaux.

“Jusqu’à présent, nous avons essayé de prédire avecces modèles, quelles seront les réponses neuronales à d’autres stimuli qu’ils n’avaient jamais vus auparavant », explique le scientifique. "La principale différence ici est que nous allons encore plus loin et utilisons des modèles pour amener les neurones dans les états souhaités."

Pour ce faire, les scientifiques ont d'abord créécartographie précise des neurones du cerveau dans la région visuelle du cerveau V4 à partir de noeuds du modèle informatique. Ils l'ont fait en montrant des images à des animaux et à des modèles et en comparant leurs réponses aux mêmes images. Dans la région V4, il y a des millions de neurones, mais pour cette étude, des cartes de sous-populations de 5 à 40 neurones ont été créées simultanément.

«Dès que chaque neurone reçoit une assignation, le modèle vous permet de faire des prédictions sur ce neurone», explique DiCarlo.

Ensuite, les scientifiques ont décidé de savoir s'ils pouvaientutiliser ces prédictions pour contrôler l'activité de neurones individuels dans le cortex visuel. Le premier type de contrôle, qu'ils ont appelé «étirement», consiste à afficher une image qui portera l'activité d'un neurone particulier bien au-delà des limites de l'activité habituellement causées par des images «naturelles», telles que celles utilisées pour former des réseaux de neurones.

Les chercheurs ont constaté que lors de la démonstrationLes animaux de ces images "synthétiques" créées par des modèles et ne ressemblant pas à des objets naturels, les neurones cibles ont réagi comme prévu. En moyenne, les neurones ont présenté une activité environ 40% supérieure en réponse à ces images par rapport aux images naturelles. Personne n'a jamais réalisé ce genre de contrôle auparavant.

«Le fait qu’ils aient réussi à faire cela est incroyable. Du point de vue d'un neurone, son image idéale semble être au centre de ses préoccupations. Le neurone reçoit tout à coup le stimulus qu'il a toujours recherché », explique Aaron Batista, professeur agrégé de bio-ingénierie à l'Université de Pittsburgh, qui n'a pas participé à l'étude. «C’est une excellente idée et sa mise en œuvre est un véritable exploit. C’est peut-être la preuve la plus convaincante de la nécessité d’utiliser des réseaux de neurones artificiels pour comprendre les réseaux de neurones réels. ”

Il suffit de penser: Les scientifiques ont créé un générateur d'image simple (jusqu'à présent) qui provoque un certain effet dans le cerveau d'un animal (jusqu'à présent). En théorie, il ne serait possible qu'en théorie de créer une image «parfaite» pour contrôler les émissions d'hormones, créer des mémoires spécifiques, programmer des actions humaines, car tout cela est le résultat de neurones. L'image créée par le réseau de neurones, que personne n'a jamais vu, et que seul un réseau de neurones comprenant le fonctionnement interne du cerveau peut uniquement guérir et tuer.

Dans une série similaire d'expériences, les scientifiques ont essayécréer des images qui «déduisent» au maximum un neurone de lui-même, tout en maintenant l'activité des neurones voisins à un niveau très bas, ce qui est plus difficile. Avec la majorité des neurones testés, les scientifiques ont pu augmenter l'activité du neurone cible avec une légère augmentation des neurones environnants.

"La tendance générale en neuroscience est queLes données expérimentales et la modélisation informatique sont effectuées légèrement séparément, ce qui rend impossible la confirmation significative du modèle, de sorte qu'il n'y a pas de progrès mesurable. Nos efforts ramènent une approche «en boucle fermée», disent les scientifiques. Ceci est important pour le succès de la construction et du test de modèles ressemblant le plus au cerveau.

Précision de mesure

Les scientifiques ont également montré qu’ils pouvaient utiliservotre modèle pour prédire comment les neurones de la région V4 répondront aux images synthétisées - comme celle ci-dessus. La plupart des tests de modèles précédents utilisaient le même type d'images naturalistes sur lesquelles le modèle avait été formé. Les scientifiques du MIT ont constaté que les modèles avec une précision de 54% prédisent comment le cerveau devrait réagir aux images synthétisées et avec une précision de 90%, de la manière dont le cerveau réagira aux images naturelles.

"Dans un sens, nous quantifions,la précision de ces modèles lors de la prévision en dehors de la zone dans laquelle ils ont été formés », déclare un chercheur. "Idéalement, le modèle devrait être capable de prédire avec précision la réponse, quel que soit le signal d'entrée."

Maintenant, les scientifiques espèrent améliorer la précision des modèles,leur permettant d'intégrer de nouvelles informations qu'ils comprennent en regardant les images synthétisées. Cette étude n'a pas été appliquée. En termes simples, les modèles vont apprendre de leurs propres images générées.

Ce type de contrôle sera utile pourneuroscientifiques qui veulent étudier comment différents neurones communiquent et interagissent les uns avec les autres. À l'avenir, cette approche sera potentiellement utile pour atténuer les problèmes d'humeur, tels que la dépression. Les scientifiques s’emploient actuellement à étendre leur modèle au cortex temporal inférieur (inférotemporal), qui se nourrit de l’amygdale, impliquée dans le traitement des émotions.

"Si nous avions un bon modèle de neurones,qui déclenchent une montée d’émotion ou provoquent différents types de troubles, nous pourrions utiliser ce modèle pour contrôler les neurones de manière à atténuer ces troubles ».

Vous pouvez discuter de cette découverte incroyable dès maintenant dans notre chat à Telegram.