睁开眼睛可以立即看到世界-看起来很容易。但是，从光子撞击视网膜到以“看见”结束的过程远非简单。大脑“看见”的基本任务是从照射到眼睛的光中重建有关世界的相关信息。由于此过程相当复杂，因此大脑中的神经细胞(神经元)也会以复杂的方式对图像做出反应。

表征其对图像响应特征的实验方法已被证明具有挑战性，部分原因是可能的图像数量众多。过去，开创性见解通常是由大脑神经元“喜欢”的刺激产生的。找到他们取决于科学家的直觉和很大一部分的运气。

德国贝勒医学院和德国蒂宾根大学的研究人员现在已经开发出一种新颖的计算方法，以加快发现这些最佳刺激的速度。他们建立了深层的人工神经网络，可以准确地预测生物大脑对任意视觉刺激产生的神经反应。这些网络可以被视为生物神经元群体的“虚拟化身”，可以用来剖析感觉的神经机制。他们通过合成使特定神经元反应非常强烈的新图像证明了这一点。

“我们想了解视觉的运作方式。我们通过开发一个人工神经网络来预测这项研究，该网络可以预测动物观察图像时产生的神经活动。如果我们可以建立视觉系统的化身，则可以对其进行实质上无限制的实验。然后，我们可以使用称为“初始循环”的方法回过头来在真实的大脑中进行测试。”资深作者安德里亚斯·托里亚斯(Andreas Tolias)说。

为了使网络了解神经元的反应方式，研究人员首先使用最近开发的大型功能成像显微镜Mesoscope记录了大量的大脑活动。

第一作者埃德加·沃克(Edgar Y. Walker)说：“首先，我们向小鼠展示了约5,000张自然图像，并记录了成千上万个神经元在观看图像时的神经活动。”“然后，我们使用这些图像和大脑活动的相应记录来训练一个深层的人工神经网络，以模仿真实的神经元对视觉刺激的反应。”

“测试网络是否确实学会了预测视觉图像对神经的反应，例如活着的老鼠的大脑会做到的，我们展示了学习过程中未见过的网络图像，并看到它可以高精度地预测生物神经元反应。”共同第一作者Fabian Sinz说。

托里亚斯说：“通过这些网络进行的实验揭示了我们未曾想到的视觉方面。”“例如，我们发现在新皮层处理的早期阶段，某些神经元的最佳刺激是棋盘格，或者是锐角而不是简单的边缘，这是我们根据该领域当前的教条所期望的。”

“我们认为这种适合高精度人工神经网络，对其进行计算实验并验证生理实验中所得预测的框架可用于研究神经元如何代表整个大脑中的信息。最终，这将使我们更好地了解大脑中复杂的神经生理过程如何使我们看到。” Sinz说。