用AI合成影像控制大腦神經元反應

人工深度神經網路模型的架構啟發於視覺皮層，而且目前已經廣泛的應用於影像辨識，但深度神經網路的運作方式仍然像黑盒子般難以理解。究竟深度神經網路是怎麼在大腦的視覺皮質區運作的，大腦是否真的如同這些網路模型運作？MIT的科學家最近發表了一項研究，對模擬大腦視覺皮質的神經網路進行測試，用計算模型的結果控制大腦視覺皮質的神經元活動。

研究團隊建立了靈長類視覺皮質的神經網路，用超過百萬張的圖片庫訓練模型，改變神經網路的權重強度來學習識別圖片。在經過模型對腦神經的映射，匹配出模型對應的神經元，再利用網路模型的隱藏層合成出影像。這些影像不像自然影像，只顯示了特定的圖案模式。研究人員發現讓動物看這些合成影像時，會刺激對應的特定神經元的活動，同時其他的神經元活動很低，保持很高的選擇性。結果表明有68%的神經元活躍程度高於平常的水平。

一般神經計算模型的研究和生物神經的研究是分開進行的，因此這些模型很難驗證實際上大腦的運作方式。這項研究用閉環的實驗方法進行驗證和預測，可以成功的建立準確的模型，更好的用人工神經網路理解大腦的運作方式。


撰文：高暐哲


原始論文
Bashivan, Pouya, Kohitij Kar, and James J. DiCarlo. "Neural population control via deep image synthesis." Science(2019)