kutatás

Neuron vonakodva: a neurális hálózat olyan képet készített, amely közvetlenül befolyásolja az agyat

Lásd a fenti képet? Ezzel a furcsa képpel az MIT idegtudósok képesek voltak aktiválni az egyéni neuronokat az agyban. Az agy vizuális neurális hálózatának legjobb elérhető modelljét használva a tudósok új módszert dolgoztak ki az egyes neuronok és populációik pontos ellenőrzésére a hálózat közepén. Az állatkísérletek során a csapat megmutatta, hogy a számítási modellből nyert információ lehetővé tette számukra, hogy olyan képeket hozzanak létre, amelyek erősen aktiváltak bizonyos agyi neuront.

A tudósok valójában megpróbáltak foglalkozniaz agy "közvetlenül" a képen keresztül, kikerülve a reflexiós képek hosszú útját. De mielőtt a komor jövőre gondolnánk, amelyben valóban zombizálunk a TV-képernyőkről, tegyünk meg mindent rendben.

Ez minden bizonnyal áttörés.

A munka főbb következtetései a meglévő számításoka vizuális neuroszisztémák modelljeinek változatai meglehetősen hasonlítanak a valódihoz, így felhasználhatók az állatok agyállapotának megfigyelésére. Mennyire pontosan ezek a modellek utánozzák a vizuális kéreg munkáját - ez a kérdés nagyon feszült vita, mondja James DiCarlo, az AIT és a kognitív tudományok tanszékének vezetője, a tanulmány vezető szerzője, a Science folyóiratban.

"Az emberek régóta gondolkodtak, vajonezek a modellek megértik a vizuális rendszert ”- mondja. „Ahelyett, hogy akadémiai körökben megbeszélnénk, megmutattuk, hogy ezek a modellek már elég erősek ahhoz, hogy új és fontos módon használhatók legyenek. Függetlenül attól, hogy megértette, hogy ez a modell működik, vagy sem, bizonyos értelemben már előnyös. ”

Vagyis nem számít, hogy a számított modell hogyan működik.az agy vizuális rendszere - fontos, hogy már használhassuk azt, hogy elég pontos legyen, és hogy új kísérleteket lehessen kialakítani. Ez a munka első következménye, amelyet figyelembe kell venni.

A neuronok ellenőrzése képeken keresztül - ez lehetséges

Az elmúlt néhány évben dicarlo ésmások a mesterséges neurális hálózatokon alapuló vizuális rendszer modelljeit fejlesztették ki. Minden hálózat egy tetszőleges architektúrával kezdődik, amely modell neuronokból vagy csomópontokból áll, amelyek különböző erősségmutatókkal vagy „súlyokkal” kapcsolódhatnak egymáshoz.

Ezután a tudósok ezeket a modelleket a könyvtárban tanítjáktöbb mint 1 millió kép. A kép legfontosabb tárgyának minden egyes képét és címkéjét - például repülőgépet vagy széket - nézzük át - a modell megtanulja az objektumok felismerését a kapcsolatok erősségének megváltoztatásával. Nehéz pontosan meghatározni, hogy a modell hogyan érte el ezt a felismerést, de DiCarlo és munkatársai korábban kimutatták, hogy ezekben a modellekben a „neuronok” olyan aktivitási mintákat hoznak létre, amelyek nagyon hasonlítanak az állatok vizuális kéregében megfigyeltre, ugyanazon képekre reagálva. Vagyis úgy tűnik, hogy a neurális hálózat megpróbálja megtanulni gondolkodni vagy látni a valóságot.

Egy új tanulmányban a tudósok ellenőrizni akartákmodelljeik elvégezhetnek bizonyos feladatokat, amelyeket korábban nem mutattak be. Különösen azon tűnődtek, vajon lehetséges-e ezeket a modelleket az állatok vizuális kéregében a neurális aktivitás szabályozására használni.

- Eddig megpróbáltuk megjósolniezek a modellek, mi lesz a neurális válasz más ingerekre, amelyeket még soha nem látott, ”mondja a tudós. "A fő különbség itt az, hogy egy lépéssel tovább megyünk, és modelleket használunk, hogy a neuronokat a kívánt állapotba hozzuk."

Ennek eléréséhez először jöttek létre a tudósokAz agyi neuronok pontos egy-egy térképe az agy vizuális régiójában a V4 csomópontokból. Ezt úgy tették, hogy az állatokat és a modelleket ábrázolták, és összehasonlították az azonos képekre adott válaszokat. A V4 régióban több millió neuron van, de ehhez a tanulmányhoz egyidejűleg 5-40 neuronnal rendelkező szubpopulációk térképét készítettük.

„Amint minden neuron hozzárendelést kap, a modell lehetővé teszi, hogy előrejelzéseket készítsünk erről a neuronról” - mondja DiCarlo.

Aztán a tudósok úgy döntöttek, hogy megtudják, hogy képesek-ehasználja ezeket az előrejelzéseket az egyes neuronok aktivitásának szabályozására a vizuális kéregben. Az első típusú ellenőrzés, amelyet „nyújtásnak” neveznek, magában foglalja egy olyan kép megjelenítését, amely egy adott neuron tevékenységét messze meghaladja a „természetes” képek által okozott tevékenység határain, például az idegi hálózatok képzésénél.

A kutatók ezt bizonyították, amikor bemutattákaz ilyen "szintetikus" képekből származó, a modellek által létrehozott és a természetes tárgyakhoz nem hasonlított állatok, a cél neuronok reagálnak a várt módon. Az idegsejtek átlagosan mintegy 40 százalékkal több aktivitást mutattak ezekre a képekre, mint amikor természetes képeket mutattak. Senki még soha nem ért el ilyen irányítást.

„Az a tény, hogy sikerült ezt megtenniük, csodálatos. Úgy tűnik, hogy a neuron szempontjából az ideális képe fókuszban van. A neuront hirtelen megkapják az inger, amit mindig keresett ”- mondja Aaron Batista, a Pittsburghi Egyetem biotechnológiai egyetemi docense, aki nem vett részt a tanulmányban. „Ez egy nagyszerű ötlet, és megvalósítása valódi előadás. Talán ez a legerősebb bizonyíték arra, hogy mesterséges neurális hálózatokat kell használni a valódi neurális hálózatok megértéséhez.

Gondolj csak: A tudósok létrehoztak egy egyszerű (eddig) képgenerátort, amely bizonyos hatást fejt ki egy állat agyában (eddig). Elméletileg csak elméletileg lehetséges lenne egy „tökéletes” kép létrehozása a hormonkibocsátás szabályozására, specifikus emlékek létrehozására, az emberi cselekvések programozására, mert mindez neuronok eredménye. A neurális hálózat által létrehozott kép, amelyet senki sem látott, és amely csak egy idegi hálózat, amely megérti az agy belső működését, csak gyógyítani és megölni.

Hasonló kísérletsorozatban a tudósok próbáltakolyan képek létrehozása, amelyek maximálisan „levonják” a neuront önmagából, miközben a szomszédos neuronok aktivitását nagyon alacsony szinten tartják, ami nehezebb. A vizsgált neuronok többségével a kutatók a környező neuronok enyhe növekedésével képesek voltak növelni a cél neuron aktivitását.

"Az idegtudomány általános tendenciája az, hogyA kísérleti adatokat és a számítógépes modellezést kissé külön-külön végezzük, ami lehetetlenné teszi a modell jelentős megerősítését, így nincs mérhető fejlődés. Erőfeszítéseink egy „zárt hurok” megközelítést hoznak vissza, a tudósok szerint. Ez fontos az agyhoz hasonló építési és tesztelési modellek sikeréhez.

Mérési pontosság

A tudósok azt is kimutatták, hogy használhatjákaz Ön modellje, hogy megjósolja, hogy a V4 régió neuronjai hogyan reagálnak a szintetizált képekre - a fentiekhez hasonlóan. A korábbi modelltesztek többsége ugyanolyan típusú naturalista képeket használt, amelyeken a modellt képezték. Az MIT tudósai azt találták, hogy az 54% -os pontosságú modellek megjósolják, hogy az agy hogyan reagáljon a szintetizált képekre, és 90% -os pontossággal megjósolja, hogy az agy hogyan reagál a természetes képekre.

"Bizonyos értelemben számszerűsítjük,mennyire pontosak ezek a modellek azon a területen, ahol képezték őket, ”- mondja egy kutató. „Ideális esetben a modellnek képesnek kell lennie arra, hogy pontosan előre jelezze a választ a bemeneti jeltől függetlenül.”

Most a tudósok remélik, hogy javítják a modellek pontosságát,lehetővé téve számukra, hogy olyan új információkat foglaljanak bele, amelyeket megértenek a szintetizált képek megtekintésével. Ez a tanulmány nem alkalmazható. Egyszerűen fogalmazva, a modellek saját saját képeikből tanulnak.

Ez a fajta ellenőrzés hasznos leszidegtudósok, akik azt szeretnék tanulmányozni, hogy a különböző neuronok hogyan kommunikálnak egymással és kölcsönhatásba lépnek egymással. A jövőben ez a megközelítés hasznos lehet a hangulati problémák, például a depresszió enyhítésében. Most a tudósok arra törekszenek, hogy modelljüket kiterjesszék az alacsonyabb időbeli (inferotemporális) kéregre, amely táplálja az érzelmek feldolgozásában részt vevő amygdala-t.

"Ha jó neuronmodellünk lenne,hogy az érzelmek felgyorsulását okozzák, vagy különböző típusú betegségeket okoznak, ezt a modellt a neuronok szabályozására használhatjuk olyan módon, amely segít enyhíteni ezeket a betegségeket.

Ezt a csodálatos felfedezést most már a Telegramban folytatott csevegésünkben megvitathatjuk.