“深度神经互联网揭示大脑喜欢看的东西”

一睁开眼睛，马上就能看到世界。 看起来很简单。 但是，从光子撞击视网膜到看得见结束的过程并不是那么简单。 大脑看到的基本任务是从看到的光中重新构筑有关世界的状况。 因为这个过程相当复杂，这个大脑中的神经细胞(神经元)也用很多复杂的方法对图像做出反应。

表示对图像响应特性的实验方法已经说明是具有挑战性的，部分原因是可能的图像数量很多。 过去，独创性的见解一般是由大脑神经元喜欢的刺激产生的。 找到他们靠的是科学家的大部分直觉和运气。

贝勒医学院和德国蒂宾大学的研究人员目前正在开发新的计算方法，以便迅速发现这些最好的刺激。 他们建立了深层的人工神经互联网，可以准确预测生物大脑对任意视觉刺激发生的神经反应。 这些互联网可以看成是生物神经元群的虚拟化身，可以用来解析感觉的神经机制。 他们通过合成能对特定神经元产生非常强反应的新图像说明了这些事情。

他们的研究今天发表在《自然神经科学》杂志上。

我们想知道视觉是怎么工作的。 我们通过构建体工神经互联网预测动物注意图像时发生的神经活动，达到了这项研究的目的。 如果我们能制作这样的视觉系统头像，我们就可以进行无限制的实验。 然后，我们可以回到过去，用叫做开始循环的方法在实际的大脑中进行测试。 贝勒大学神经科学教授和布朗基金会会长安德烈亚斯博士说。

为了让互联网了解神经元的反应方法，研究人员首先使用最近开发的大型功能影像显微镜mesoscope记录了大量的大脑活动。

第一，向老鼠展示约5,000个自然图像，记录了千万个神经元在注意图像时的神经活动。 第一位作者埃德加·沃克( edgar y. walker )博士说，他是特里亚斯研究所的前研究生，现在是该研究所的博士后宾根和贝勒大学。 并利用这些图像和相应的大脑活动记录，为了模仿实际神经元对视觉刺激的反应，训练了深层的人工神经互联网。

为了测试互联网是否确实学会了像活老鼠的大脑一样预测视觉图像的神经反应，我意识到了它可以展示学习中从未见过的网络图像，并高精度地预测生物神经元的反应。 共同第一作者fabian sinz博士，贝勒大学神经科学兼职助理教授，蒂宾根大学集团负责人。

贝勒大学神经科学与人工智能中心的创始人兼主任崔亚斯说:“通过这些互联网进行的实验明确了我们没有想到的视觉方面。 例如，在解决新皮质的初期阶段，我们发现一些神经元的最佳刺激是棋盘，或者是锐角而不是简单的边缘。 这是基于业界目前的教义而被期待的。

认为适合这种高精度的人工神经互联网，对其进行计算实验，验证生理实验得到的预测的框架，可以用于研究神经元是如何表示整个大脑的新闻的。 辛茨说，这最终将展示我们大脑中许多复杂的神经生理过程。

本文：《“深度神经互联网揭示大脑喜欢看的东西”》