Neuron nødvendigvis: det nevrale nettverk for å skape et bilde som påvirker hjernen direkte

Du ser det bildet ovenfor? Med denne merkelige bildet av MIT nevrologer har vært i stand til å aktivere enkelte nerveceller i hjernen. Ved hjelp av den beste tilgjengelige modellen av den visuelle nevrale nettverk i hjernen, har forskere utviklet en ny måte å nøyaktig kontrollere enkelte nevroner og deres populasjoner i midten av nettverket. Under dyreforsøk teamet viste at informasjon innhentet fra datamodellen, slik at de kan lage bilder som sterkt aktiverer visse nerveceller i hjernen.

Neuron nødvendigvis: det nevrale nettverk for å skape et bilde som påvirker hjernen direkte

Forskere faktisk få en måte å få tilgang til hjernen gjennom bildet "direkte" uten å gå gjennom en lang vei bildetolkning. Men før du tenker på en dystopisk fremtid der vi faktisk vil zombie på TV, la oss alle i orden.

Dette er definitivt et gjennombrudd

De viktigste konklusjonene fra arbeidet - de eksisterende beregningsmodeller for visuell versjon neyrosistem ganske lik den ekte varen, slik at de kan brukes til å overvåke tilstanden til hjernen hos dyr. Hvor nøyaktig er disse modellene simulerer driften av det visuelle cortex - dette er et spørsmål om svært opphetet debatt, sier James DiCarlo, leder av avdeling for hjernen og kognitive vitenskaper MIT, senior forfatter av studien, som dukket opp i tidsskriftet Science 2. mai.

"Folk har lenge stilt spørsmål ved om disse modellene gir en forståelse av det visuelle system," sier han. "I stedet for å diskutere det i akademia, har vi vist at disse modellene er allerede kraftig nok til å kunne bruke dem på nye og viktige måter. Uansett om du forstår hvordan det fungerer denne modellen eller ikke, på en måte, det har fordeler "

Det er, uansett hvor beregningsmodellen av det visuelle system i hjernen - det er viktig at vi kan bruke det, er det ganske nøyaktig, og for at nye eksperimenter kan utvikles basert på den. Dette er det første resultatet av det arbeidet som må tas i betraktning.

I de bildehåndterings neuronene - mulig

I løpet av de siste årene, har DiCarlo, og andre utviklet basert på kunstige nevrale nettverk modell av det visuelle systemet. Hver kjede begynner med en vilkårlig arkitektur, som består av en modell av nerveceller, eller noder, som kan være forbundet med hverandre ved forskjellige indikatorer krefter eller "vekt".

Forskerne trente modellen bibliotek med mer enn 1 million bilder. Ser gjennom hvert bilde, og merker den viktigste objektet i bilde - et luftfartøy eller en stol, for eksempel - modellen lærer å kjenne igjen objekter ved å endre styrken av forbindelsene. Det er vanskelig å fastslå nøyaktig hvordan modellen oppnår denne typen anerkjennelse, men DiCarlo og hans kolleger har tidligere vist at "nevroner" i disse modellene lage en modell av aktivitet, svært lik de som ble observert i den visuelle cortex av dyr som en reaksjon på de samme bildene. Det er, er nettverket som prøver å lære å tenke eller se egentlig.

I den nye studien, ønsket forskerne å teste om deres modell til å utføre visse oppgaver som tidligere ikke hadde blitt demonstrert. Spesielt var de interessert i om du kan bruke disse modellene til å kontrollere nevrale aktiviteten i den visuelle cortex av dyr.

"Så langt har vi forsøkt å forutsi ved hjelp av disse modellene, hva er nevrale responser til andre stimuli, som de ikke har sett før," sier han. "Den største forskjellen her er at vi går et skritt videre og bruke modellen til å bringe nervecellene i ønsket tilstand"

for å oppnå dette, forskerne først opprettet et nøyaktig kart over "en til en" hjernens nerveceller i den visuelle områder av hjernen av V4-nodene i beregningsmodell. De gjorde dette ved å vise bilder av dyr og modeller og sammenligne sine svar på de samme bildene. På området V4 nevroner millioner, men for denne studien ble skapt subpopulasjoner kort med 5 - 40 nevroner samtidig.

"Så snart hver nervecellen får betegnelsen, modellen gjør det mulig å spå om nevron", sier DiCarlo.

Forskerne bestemte seg da for å finne ut om de kan bruke disse prognosene til å kontrollere aktiviteten til enkelte nerveceller i den visuelle cortex. Den første type styring som de kalte "strekk", omfatter en billedskjerm som viser aktiviteten av den spesifikke nervecellen utover aktivitet, vanligvis kalt "naturlige" bilder, slik som de som brukes til å trene nevrale nettverk.

Forskerne fant at når dyr viser slike "kunstige" bilder som er opprettet av modeller og ikke ligner naturlige objekter, målet nevronene reagerte som forventet. I gjennomsnitt, nervecellene viste om lag 40 prosent mer aktivitet i respons til disse bildene enn når de viste naturlige bilder. Denne typen kontroll ingen har noensinne nådd før.

"Det faktum at de klarte å gjøre det fantastisk. Fra synspunkt av nervecellen hvis det viser seg å være den perfekte bilde i fokus. Neuron plutselig gi stimulans at han var alltid på utkikk etter, "Aaron sier Batista, assisterende professor i bioteknologi ved Universitetet i Pittsburgh, som ikke var involvert i studien. "Det er en god idé og gjennomføre det - litt av en bragd. Kanskje den mest kraftfulle bevis på behovet for å bruke kunstige nevrale nettverk for forståelsen av disse nevrale nettverk. "

bare tenke på det: forskerne skapt en enkel () bildegenerator, forårsaker en viss virkning på dyrets hjerne (enda). I teorien - så langt bare i teorien - kunne lage "perfekte" bildet for hormonell regulering av utslipp, etablering av visse minner, programmering av menneskelige handlinger - fordi alt er et resultat av nerveceller. Bildet skapt av nevrale nettverk, som ingen noensinne har sett, og som bare er i stand til nevrale nettverk, forstå den interne driften av hjernen, og kan kurere og drepe. I en lignende serie eksperimenter, har forskere forsøkt å skape bilder som er som om "tatt ut" av nervecellen selv, samtidig opprettholde aktiviteten i nabo nevroner på et svært lavt nivå, som allerede er vanskeligere. Med de fleste av de testede neuroner, var forskerne i stand til å øke aktiviteten av et mål neuron med en svak økning i de omkringliggende neuroner.

"Den generelle trenden i nevrovitenskap er at innsamling av eksperimentelle data og datasimuleringer utført noe separat, noe som gjør det umulig å bekrefte modellen betraktelig, så det er ingen målbar fremgang. Vår innsats for å gå tilbake til et liv approach "closed-loop", sier forskerne. Dette er viktig for å lykkes med å bygge og testing av modeller, som vil være lik hjernen mest.

Den målenøyaktighet

Forskere har også vist at de kan bruke sin modell for å forutsi hvordan V4-regionen i nervecellene ville svare på det syntetiserte image - som den ovenfor. De fleste tidligere testing modellen brukt samme type naturalistiske bilder som modellen ble trent. Forskere ved MIT har funnet at en modell med 54% sikkerhet kan forutsi hvordan hjernen trenger for å reagere på det syntetiske bildet, og med en nøyaktighet på 90% forutsi hvordan hjernen vil reagere på naturlige bilder.

"På en måte, vi kvantitativt vurdere hvor nøyaktig disse modellene i forutsi utenfor det området der de ble opplært", sier en av forskerne. "Ideelt sett bør modellen være i stand til nøyaktig å forutsi responsen, uavhengig av inngangssignalet."

Nå håper forskerne å forbedre nøyaktigheten av modellene, som tillater dem å inkludere ny informasjon som de oppfatter, ser på den syntetiserte bilde. Studien er ikke brukt. Enkelt sagt, vil modellen lære av sine samme genererte bilder. Denne typen kontroll er nyttig for nevrologer som ønsker å lære hvordan ulike nerveceller kommuniserer og samhandler med hverandre. Videre er denne tilnærmingen potensielt nyttig for å få problemer med humør, som depresjon. Nå forskere arbeider med å utvide sin modell til den mindreverdige temp (inferotemporalnoy) cortex, som er matet av amygdala, som er involvert i behandling av følelser.

"Hvis vi hadde en god modell av et nevron, noe som vil innebære en bølge av følelser og føre til ulike typer lidelser, kan vi bruke denne modellen til å kontrollere nevroner, slik som å lindre disse lidelsene."

Diskuter denne oppsiktsvekkende oppdagelse nå mulig i vår chat i telegrammet.