EN|中文

您所在的位置:首页 > 资讯

用人工神经网络控制猴子大脑

2019-08-16

研究人员表示,他们最初的目的是探索大脑如何感知和理解视觉世界。为此,他们创建了可以模拟大脑视觉皮层的计算模型。但仅仅创建模型是不够的,他们还想知道自己创建的模型是否准确。于是,他们尝试用创建的模型控制神经元,测试他们的模型能否精确地控制单个神经元以及视觉神经网络中的神经元群。这是一项非常严格的测试。他们将自己创建的计算模型称为「controller」,用这一模型控制另一个系统的输出,也就是实验中猴子大脑的神经活动。

首先,他们利用从该计算模型中获得的信息创建了特定的图像。这些图像与自然图像存在很大的差别,如下图所示。

研究人员利用深度神经网络模型合成的图像。

研究人员将这些图像展示给实验中的猴子,观察图像是否可以强烈激活他们选择的特定脑神经元。实验结果表明,这些图像可以强烈激活他们选择的特定脑神经元。也就是说,他们利用自己创建的人工神经系统成功控制了真实神经系统的活动。这可能是用人工神经网络理解真实神经网络迄今为止最有力的证明。

论文:Neural Population Control via Deep Image Synthesis

论文链接:https://www.biorxiv.org/content/10.1101/461525v1

摘要:特殊的深层人工神经网络(ANNs)是当今灵长类动物大脑腹侧视觉流的最准确模型。在这里,我们报告,使用目标ANN驱动的图像合成方法,可以将新的发光功率模式(即图像)应用于灵长类动物视网膜,以可预测地推动目标V4神经位点的尖峰活动超过自然发生的水平。更重要的是,这种方法虽然还不完善,但已经实现了V4神经网站整个种群活动状态的前所未有的独立控制,即使那些具有重叠感受野的种群也是如此。这些结果显示了今天的ANN模型中嵌入的知识如何用于在神经元水平分辨率下非侵入性地设置所需的内部大脑状态,并建议更准确的ANN模型将产生更精确的控制。