真正的神经元很吵。神经植入物可以弄清楚吗?
如果人类的眼睛包裹在包装中,则必须标记为“天然产品。可能发生一些变化”。因为向人脑发送信号以解释的百万超过视网膜神经节细胞的性能并非完全相同。
它们是工程师所说的“嘈杂”,从单元到下一步之间有差异。然而,当我们看到一张美丽的花朵的照片时,它看起来很清晰,色彩鲜艳,我们知道它是什么。
这脑视觉中心必须善于过滤噪音从视网膜细胞到达真实信号,这些过滤器必须不断适应光条件以保持信号清晰。新研究表明,假肢视网膜和神经植入物将需要相同的自适应噪声过滤才能成功。
杜克大学神经生物学助理教授格雷格·菲尔德(Greg Field)说:“大脑中的神经元嘈杂,这意味着,当出现相同的刺激时,神经元不会产生相同的反应。”自然通讯与加拿大同事有关大脑如何补偿视觉噪音。
“如果脑机界面不考虑神经元之间的噪声相关性,它们的性能很差。”菲尔德说。
在菲尔德实验室内的一个特殊的暗室里工作,杜克大学的研究生基尔斯顿·鲁达(Kiersten Ruda视神经向大脑。
菲尔德说:“所有这些都是在夜视镜的帮助下在黑暗中完成的,这样我们就可以保留视网膜的峰值灵敏度。”
研究人员通过软件而不是大脑运行这些神经冲动,以查看信号的可变和嘈杂,并试验在不同的大脑中需要哪种过滤大脑才能在不同光条件,就像月光与阳光一样。
诸如眼睛,鼻子和耳朵之类的感觉系统在传感器的种群上工作,因为每个传感细胞都是嘈杂的。但是,这种噪声在整个细胞上共享或“相关”,这给大脑带来了理解原始信号的挑战。
在高光水平上,计算机可以通过使用噪声相关性将解码提高约20%,而不是假设每个神经元以其自己的方式嘈杂。但是在低光水平下,该值增加到100%。
实际上,其他小组的较早研究发现,假设大脑皮层中未矫正的噪声可以使解码的30%恶化。菲尔德(Field)在视网膜中的研究表明,这些假设导致了更大的信息损失。
菲尔兹在一封电子邮件中说:“如果您想到一个乐团,这有助于理解这种相关的噪音。”“管弦乐队的所有成员都在演奏一点,这就是'噪音',但是他们的表现如何取决于邻居,这是相关的。,虽然笛子有点平坦,并且大提琴非常平坦。神经科学的一个主要问题是这种相关的噪音在多大程度上破坏了大脑弄清楚正在播放什么歌曲的能力。”
菲尔德说:“我们证明,要利用拥有大量感觉细胞的好处,大脑必须知道如何过滤出这种相关的噪声。”但是问题更加复杂,因为相关噪声的量取决于光的量,在较低的光级别(如月光)处的噪声更多。
菲尔德(Field)表示,除了艰难而有趣的观察外,这项研究的发现表明,对于希望以假体或以埃隆·马斯克(Elon Musk)为神经植入物宣布的神经植入物来复制视网膜的工程师面临的挑战。
菲尔德说:“要制作理想的视网膜假肢(仿生的眼睛),它可能需要将这些噪声相关性纳入大脑,以正确解释其从假肢中收到的信号。”同样,从神经植入物读取大脑活动的计算机可能需要在神经元之间具有噪声相关模型。
但这并不容易。菲尔德说,研究人员尚未了解这些噪声相关性的结构。
菲尔德说:“如果大脑假设噪声在整个神经元之间是独立的,而不是具有其相关性的准确模型,那么我们表明大脑会遭受有关刺激信息的灾难性丧失。”
进一步探索