Нажмите "Enter", чтобы перейти к контенту

Нейрон поневоле: нейросеть создала изображение, влияющее на мозг напрямую

Видите это изображение выше? С помощью этого странного изображения нейробиологи Массачусетского технологического института смогли активировать отдельные нейроны мозга. Используя лучшую из доступных модель зрительной нейронной сети мозга, ученые разработали новый способ точного управления отдельными нейронами и их популяциями в середине этой сети. В ходе испытания на животных команда показала, что информация, полученная из вычислительной модели, позволила им создавать изображения, которые сильно активировали определенные нейроны мозга.

Нейрон поневоле: нейросеть создала изображение, влияющее на мозг напрямую

Ученые, по сути, получили способ обращаться к мозгу через изображение «напрямую», минуя длинный путь осмысления изображений. Но прежде чем вы задумаетесь о мрачном будущем, в котором нас действительно будут зомбировать с экранов телевизора, давайте обо всем по порядке.

Это определенно прорыв

Основные выводы работы — существующие расчетные версии моделей зрительных нейросистем достаточно похожи на настоящие, чтобы их можно было использовать для контроля состояния мозга у животных. Насколько точно эти модели имитируют работу зрительной коры — этот вопрос вызывает очень горячие споры, говорит Джеймс ДиКарло, глава отделения мозга и когнитивных наук MIT, старший автор исследования, которое появилось 2 мая в журнале Science.

«Люди давно задаются вопросом, обеспечивают ли эти модели понимание зрительной системы», говорит он. «Вместо того, чтобы обсуждать это в академических кругах, мы показали, что эти модели уже достаточно мощные, чтобы можно было использовать их новыми и важными способами. Вне зависимости от того, понимаете вы, как работает эта модель или нет, в некотором смысле она уже приносит пользу».

То есть, неважно, как работает расчетная модель зрительной системы мозга — важно, что мы уже можем ее использовать, что она достаточно точна и что на ее основе можно разрабатывать новые эксперименты. Это первое следствие работы, которое нужно принять во внимание.

Управление нейронами через изображения — это возможно

В течение последних нескольких лет ДиКарло и другие разрабатывали модели зрительной системы на основе искусственных нейронных сетей. Каждая сеть начинается с произвольной архитектуры, состоящей из модельных нейронов, или узлов, которые могут соединяться между собой различными показателями силы, или «весом».

Затем ученые обучают эти модели на библиотеке из более 1 миллиона изображений. Просматривая каждое изображение и метку самого важного объекта на изображении — самолета или стула, например — модель учится распознавать объекты, изменяя силу соединений. Трудно точно определить, каким образом модель достигает такого рода распознавания, но ДиКарло и его коллеги ранее показали, что «нейроны» в этих моделях создают модели активности, очень похожие на те, которые наблюдаются в зрительной коре животных при реакции на такие же изображения. То есть, нейросеть словно пытается научиться думать или видеть по-настоящему.

В новом исследовании ученые хотели проверить, могут ли их модели выполнять некоторые задачи, которые ранее не демонстрировались. В частности, им было интересно, можно ли использовать эти модели для контроля нейронной активности в зрительной коре животных.

«До сих пор мы пытались прогнозировать при помощи этих моделей, какими будут нейронные ответы на другие стимулы, которых они раньше не видели», говорит ученый. «Основное отличие здесь заключается в том, что мы идем на один шаг дальше и используем модели для приведения нейронов в желаемые состояния».

Чтобы добиться этого, ученые сперва создали точную карту «один к одному» нейронов мозга в зрительной области мозга V4 из узлов в вычислительной модели. Они делали это, показывая изображения животным и моделям и сравнивая их ответы на одни и те же снимки. В области V4 миллионы нейроны, но для этого исследования создавались карты субпопуляций с 5 — 40 нейронами одновременно.

«Как только каждый нейрон получает назначение, модель позволяет делать прогнозы относительно этого нейрона», говорит ДиКарло.

Затем ученые решили выяснить, могут ли они использовать эти прогнозы для контроля активности отдельных нейронов в зрительной коре. Первый тип контроля, который они назвали «растяжением», включает показ изображения, которое выведет активность конкретного нейрона далеко за пределы активности, обычно вызываемой «естественными» изображениями, вроде тех, что используются для обучения нейросетей.

Исследователи обнаружили, что при демонстрации животным таких «синтетических» изображений, которые создаются моделями и не напоминают природные объекты, целевые нейроны реагировали, как и ожидалось. В среднем нейроны проявляли примерно на 40 процентов больше активности в ответ на эти изображения, чем когда им показывали естественные изображения. Такого рода контроля никто никогда не достигал прежде.

«То, что им удалось это сделать, удивительно. С точки зрения нейрона будто бы в его фокусе оказывается его идеальное изображение. Нейрону внезапно предоставляют стимул, который он всегда искал», говорит Аарон Батиста, доцент биоинженерии в Университете Питтсбурга, не принимавший участия в исследовании. «Это замечательная идея, и осуществить ее — настоящий подвиг. Возможно, это самое мощное доказательство необходимости использовать искусственные нейронные сети для понимания настоящих нейронных сетей».

Просто вдумайтесь: ученые создали простой (пока) генератор изображений, вызывающих определенный эффект в мозге животного (пока). В теории — пока только в теории — можно было бы создавать «идеальное» изображение для регулирования гормональных выбросов, создания определенных воспоминаний, программирования действий человека — потому что все это результат работы нейронов. Картинка, созданная нейросетью, которую никто никогда не видел и представить которую в состоянии только нейросеть, понимающая внутреннюю работу мозга, сможет и вылечить, и убить.

В похожей серии экспериментов ученые попытались создать изображения, которые максимально «выводили» бы нейрон из себя, в то же время поддерживая активность в соседних нейронах на очень низком уровне, что уже более сложно. С большинством протестированных нейронов ученые смогли повысить активность целевого нейрона с небольшим увеличением окружающих нейронов.

«Общая тенденция в нейробиологии такова, что сбор экспериментальных данных и компьютерное моделирование выполняются слегка по отдельности, что не дает возможности значительно подтвердить модель, поэтому и нет поддающегося измерению прогресса. Наши усилия возвращают к жизни подход «замкнутого цикла», утверждают ученые. Это важно для успеха построения и тестирования моделей, которые будут похожи на мозг больше всего.

Точность измерения

Ученые также показали, что могут использовать свою модель, чтобы предсказывать, как нейроны из области V4 будут реагировать на синтезированные изображения — вроде того, что выше. Большинство предыдущих тестирований модели использовали тот же тип натуралистических изображений, на которых обучалась модель. Ученые из MIT обнаружили, что модели с точностью 54% предсказывают, как мозг должен реагировать на синтезированные изображения, и с точностью 90% предсказывают, как мозг будет реагировать на естественные изображения.

«В некотором смысле, мы количественно оцениваем, насколько точны эти модели при прогнозировании за пределами области, в которой они были обучены», говорит один из исследователей. «В идеале модель должно быть способна точно спрогнозировать отклик, независимо от входного сигнала».

Теперь ученые надеются повысить точность моделей, позволив им включать новую информацию, которую они постигают, глядя на синтезированные изображения. В ходе этого исследования такое не применялось. Проще говоря, модели будут учиться по своим же сгенерированным изображениям.

Такого рода контроль будет полезен для нейробиологов, которые хотят изучить, как разные нейроны связываются и взаимодействуют между собой. В дальнейшем этот подход потенциально будет полезен для избавления проблем с настроением, таких как депрессия. Сейчас ученые работают над расширением своей модели до нижней височной (инферотемпоральной) коры, которая питается миндалиной, участвующей в обработке эмоций.

«Если бы у нас была хорошая модель нейронов, которые задействуют прилив эмоций или вызывают различные виды расстройств, мы могли бы использовать эту модель для управления нейронами таким образом, чтобы помочь облегчить эти расстройства».

Обсудить это потрясающее открытие прямо сейчас можно в нашем чате в Телеграме.

Источник: hi-news.ru

17 комментариев

  1. Aw, this was an actually nice blog post. In idea I would love to place in creating such as this furthermore? requiring time as well as real initiative to make a great short article? but what can I claim? I put things off alot and never appear to get something done.

  2. Royce Sorge Royce Sorge 29.09.2020

    Youre so awesome! I do not expect Ive review anything such as this prior to. So great to locate somebody with some initial thoughts on this subject. realy thanks for starting this up. this site is something that is needed on the web, someone with a little creativity. valuable task for bringing something new to the internet!

  3. alat laboratorium alat laboratorium 04.10.2020

    You ought to be a part of a contest for one of the most useful sites on the net. I am going to highly recommend this web site!

  4. Having read this I believed it was really informative. I appreciate you taking the time and energy to put this informative article together. I once again find myself spending a significant amount of time both reading and leaving comments. But so what, it was still worth it!

  5. Mauricio Cowley Mauricio Cowley 06.10.2020

    Youre so cool! I dont suppose Ive read anything such as this prior to. So nice to find somebody with many original applying for grants this subject. realy thanks for starting this up. this website is one area that is needed on-line, a person if we do originality. useful job for bringing something new towards web!

  6. Kennith Bilby Kennith Bilby 07.10.2020

    what’s Happening i’m new to this, I stumbled upon this I’ve found It positively helpful and it has helped me out loads. I hope to contribute & help other users like its aided me. Good job.

  7. Theo Milman Theo Milman 07.10.2020

    You made some first rate factors there. I regarded on the web for the problem and located most people will associate with with your website.

  8. Chet Aquirre Chet Aquirre 08.10.2020

    Its astounding, seeking within the time and work you place into your weblog and detailed specifics you furnish. Ill bookmark your web site and pay a visit to it weekly for the new posts.

  9. I am commonly to blogging and also i actually value your material. The write-up has actually peaks my passion. I am mosting likely to bookmark your website as well as maintain looking for new information.

  10. An interesting conversation deserves comment. I believe that you must write extra on this subject, it might not be a frowned on topic however typically individuals are insufficient to talk on such topics. To the next. Cheers

  11. Courtney Carballo Courtney Carballo 27.10.2020

    This is the appropriate blog site for anybody who wants to find out about this topic. You recognize so much its nearly tough to suggest with you (not that I actually would want?HaHa). You definitely placed a brand-new spin on a topic thats been covered for several years. Excellent stuff, simply fantastic!

  12. Aundrea Wattles Aundrea Wattles 28.10.2020

    I was really pleased to find this web-site. I intended to many thanks for your time for this terrific read!! I absolutely delighting in every little bit of it and I have you bookmarked to have a look at new stuff you article.

  13. copaiba oil cbd copaiba oil cbd 09.11.2020

    Place on with this article, I truly think this web site needs much more consideration. I?ll possibly be once again to check out much more, many thanks for that information.

Добавить комментарий

Ваш e-mail не будет опубликован.

два × три =