神经网络显示大脑喜欢看什么

一睁眼就能立刻看到这个世界——看起来很轻松。但是，光子打到视网膜上，到“看见”的过程，远没有这么简单。大脑“看”的基本任务是从射到眼睛的光线中重构关于世界的相关信息。因为这个过程相当复杂，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。

表征其对图像的响应的实验方法被证明是具有挑战性的，部分是因为大量可能的图像。在过去，突破性的见解通常是由大脑神经元“喜欢”的刺激产生的。他们的发现依赖于科学家的直觉和运气。

德国贝勒医学院和德国图宾根大学的研究人员现在开发了一种新颖的计算方法，以加快这些最佳刺激的发现。他们建立了深度人工神经网络，可以准确预测生物大脑对任何视觉刺激的神经反应。这些网络可以看作是生物神经元群的“虚拟化身”，可以用来分析感觉的神经机制。他们通过合成新的图像来证明这一点，这些图像使特定的神经元做出非常强烈的反应。

“我们想知道视觉是如何工作的。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，我们就可以在它上面进行几乎无限的实验。然后，我们可以使用名为“初始循环”的方法回去，在真实的大脑中进行测试。”资深作者安德烈亚斯托利亚斯说。

为了让网络了解神经元如何反应，研究人员首先使用最近开发的大型功能成像显微镜介观仪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，我们向老鼠展示了大约5000幅自然图像，并记录了数千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相应的大脑活动记录来训练一个深度人工神经网络，以模仿真实神经元对视觉刺激的反应。”

“为了测试网络是否真的学会了预测视觉图像对神经的反应，例如，活老鼠的大脑会这样做。我们展示了在学习过程中从未见过的网络图像，看到它可以高精度地预测生物神经元的反应。”共同第一作者Fabian Sinz说。

托利亚斯说：“通过这些网络进行的实验揭示了我们从未想到的视觉方面。”“例如，我们发现在新皮层处理的早期阶段，一些神经元的最佳刺激是棋盘，或者锐角而不是简单的边缘，这是我们根据该领域目前的教条所预期的。”

“我们认为，这种适用于高精度人工神经网络的框架，可以通过进行计算实验和验证生理实验中获得的预测，来研究神经元如何在全脑中表示信息。最终，这将使我们能够更好地理解大脑中复杂的神经生理过程是如何让我们看到东西的。”辛兹说。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！