深层神经网络揭示大脑喜欢所看到的

打开眼睛立即提供了一个视觉感知的世界似乎很容易。但是这个过程始于光子击中视网膜和结尾“看到”远非如此简单。大脑的“看到”的根本任务是重建相关信息关于世界的光的眼睛。因为这个过程是相当复杂的,神经细胞brain-neurons-also反应图像以复杂的方式。

实验方法”来形容他们的反应图像的数量已被证明具有挑战性的部分原因是可能的图像是无穷无尽的。在过去,经常造成刺激,开创性的见解神经元在大脑的喜欢。找到它们依赖于直觉的科学家和一个好运气的一部分。

贝勒医学院的研究人员和德国图宾根大学的现在已经开发了一个新的计算方法来加速找到这些最佳的刺激。他们建造了深人工神经网络能够准确地预测生物大脑产生的神经反应任意的视觉刺激。这些网络可以被认为是一个“虚拟化身”人口的生物神经元,可用于解剖的感觉的神经机制。他们演示了通过合成新图像,使特定的神经元反应非常强烈。

他们的研究发表在今天的《自然神经科学。

“我们想要理解视觉是如何工作的。我们接近本研究开发一个人工神经网络预测的神经活动当一个动物看着图片生产。如果我们能建立这样一个阿凡达的视觉系统,我们可以进行无限的实验。然后我们可以回去和测试方法对实际的大脑我们命名为《盗梦空间》循环,”资深作者安德烈亚斯Tolias博士说,贝勒和布朗基金会主席赋予神经科学教授。

为了使网络了解神经元的反应,研究人员首次记载了大量的大脑活动使用中视镜,最近开发的大型功能成像显微镜。

“首先,我们显示老鼠约5000自然图像并记录成千上万的神经元的神经活动时看到的图像,”第一作者埃德加·y·沃克博士说,前在Tolias实验室研究生和博士后科学家现在Unviersty图宾根和贝勒。“然后,我们使用这些图像和相应的记录大脑活动训练的深度人工神经网络来模拟真实神经元如何回应视觉刺激。”

”来测试网络是否确实学会了预测神经反应视觉图像像活老鼠大脑,我们显示,网络图片没有看到在学习和看到它预测精度高的生物神经元的反应,“co-first作者费边Sinz博士说,兼职助理贝勒的神经科学教授,在图宾根大学的组长。

“尝试这些网络透露的某些方面视觉我们没想到,“Tolias说,创始人和中心主任神经科学和人工智能贝勒。“例如,我们发现,最佳的刺激对于某些神经元在大脑皮层的早期阶段处理棋盘格,或尖角,而不是简单的边缘是我们预料之中的根据当前该领域的教条。”

“我们认为这个框架的安装高度精确的人工神经网络,进行计算实验,并验证结果预测在生理实验中可以用来研究神经元代表信息在大脑。这最终将给我们一个更好地了解如何在大脑中复杂的神经生理学过程让我们看到,”Sinz说。