麻省理工学院的神经科学家已经对模拟大脑视觉皮层的计算模型进行了最严格的测试。
利用他们目前最好的大脑视觉神经网络模型，研究人员设计了一种精确控制该网络中间神经元和神经元群体的新方法。在一项动物研究中，该团队随后表明，从计算模型中获得的信息使他们能够创建强烈激活他们选择的特定大脑神经元的图像。
研究结果表明，这些模型的当前版本与大脑相似，可用于控制动物的大脑状态。该研究还有助于确定这些视觉模型的有用性，这些视觉模型已经引起了关于它们是否准确模仿视觉皮层如何工作的激烈争论，麻省理工学院脑科学和认知科学系主任，麦戈文研究所研究员James DiCarlo说。脑研究和大脑，思想和机器中心，以及该研究的高级作者。
“人们质疑这些模型是否能够提供对视觉系统的理解，”他说。“而不是在学术意义上辩论，我们发现这些模型已经足够强大，可以实现一个重要的新应用。无论你是否了解模型是如何工作的，它在这个意义上已经很有用了。”
神经控制
在过去几年中，DiCarlo和其他人已经开发出基于人工神经网络的视觉系统模型。每个网络都以一个由模型神经元或节点组成的任意架构开始，这些神经元或节点可以以不同的强度相互连接，也称为权重。
然后研究人员在超过100万张图像的库中训练模型。当研究人员向每个图像显示模型时，以及图像中最突出的对象(如飞机或椅子)的标签，模型通过改变其连接的强度来学习识别对象。
很难准确确定该模型如何实现这种识别，但DiCarlo和他的同事之前已经证明，这些模型中的“神经元”产生的活动模式与动物视觉皮层中响应相同图像的活动模式非常相似。
在这项新研究中，研究人员希望测试他们的模型是否可以完成以前尚未证明的任务。特别是，他们想看看模型是否可以用来控制动物视觉皮层的神经活动。
“到目前为止，对这些模型所做的事情是预测神经反应会对他们以前从未见过的其他刺激产生什么影响，”Bashivan说。“这里的主要区别在于我们更进一步，使用模型将神经元驱动到所需的状态。”
为了实现这一目标，研究人员首先在大脑的视觉区域V4中创建了一对一的神经元映射到计算模型中的节点。他们通过向动物和模型显示图像，并将它们对相同图像的响应进行比较来做到这一点。V4区有数百万个神经元，但在这项研究中，研究人员一次创建了5到40个神经元亚群的图谱。
“一旦每个神经元都有一个任务，该模型就可以让你对这个神经元进行预测，”DiCarlo说。
然后研究人员开始研究是否可以使用这些预测来控制视觉皮层中单个神经元的活动。第一种类型的控制，他们称之为“拉伸”，涉及显示一个图像，该图像将驱动特定神经元的活动，远远超出通常由用于训练神经网络的“自然”图像引起的活动。
研究人员发现，当他们向动物展示这些“合成”图像时，这些图像由模型创建并且与自然物体不相似，目标神经元确实如预期的那样响应。平均而言，神经元在响应这些图像时显示出比用于训练模型的自然图像更多的活动。以前从未报道过这种控制。
在一组类似的实验中，研究人员试图生成最大限度地驱动一个神经元的图像，同时保持附近神经元的活动非常低，这是一项更艰巨的任务。对于他们测试的大多数神经元，研究人员能够增强目标神经元的活动，而周围神经元的增加很少。
“神经科学的一个共同趋势是实验数据收集和计算建模在某种程度上独立执行，导致模型验证非常少，因此没有可测量的进展。我们的努力使这种”闭环“方法恢复生机，引入模型预测和神经测量对于建立和测试最像大脑的模型的成功至关重要，“Kar说。
测量精度
研究人员还表明他们可以使用该模型来预测V4区域的神经元如何对合成图像做出反应。这些模型的大多数先前测试使用了用于训练模型的相同类型的自然图像。麻省理工学院的研究小组发现，这些模型在预测大脑对合成图像的响应方面的准确率约为54%，而使用自然图像的精度几乎达到90%。
“从某种意义上说，我们正在量化这些模型在他们接受培训的领域之外进行预测的准确程度，”Bashivan说。“理想情况下，无论输入是什么，模型都应该能够准确预测。”
研究人员现在希望通过允许他们将合成图像中学到的新信息纳入本研究中，从而提高模型的准确性。
研究人员表示，这种控制对于想要研究不同神经元如何相互作用以及它们如何相互连接的神经科学家来说非常有用。将来，这种方法可能有助于治疗情绪障碍，如抑郁症。研究人员现在正致力于将他们的模型扩展到颞下皮质，后者进入杏仁核，这与处理情绪有关。
“如果我们有一个良好的神经元模型参与体验情绪或引起各种疾病，那么我们就可以利用这个模型以一种有助于改善这些疾病的方式驱动神经元，”Bashivan说。