Открытие глаз сразу дает визуальное восприятие мира – и это кажется таким простым. Но процесс, который начинается с попадания фотонов на сетчатку и заканчивается «зрением», далеко не прост. Фундаментальная задача мозга при «видении» – восстанавливать релевантную информацию о мире из света, попадающего в глаза. Поскольку этот процесс довольно сложен, нервные клетки мозга – нейроны – также сложным образом реагируют на изображения.
Экспериментальные подходы к характеристике их реакции на изображения оказались сложными отчасти потому, что количество возможных изображений бесконечно. В прошлом основополагающие идеи часто возникали из стимулов, которые нравились нейронам мозга.«Их поиск полагался на интуицию ученых и хорошую долю удачи.
Исследователи из Медицинского колледжа Бейлора и Тюбингенского университета в Германии разработали новый вычислительный подход для ускорения поиска этих оптимальных стимулов. Они построили глубокие искусственные нейронные сети, которые могут точно предсказать нейронные реакции, производимые биологическим мозгом на произвольные визуальные стимулы. Эти сети можно рассматривать как «виртуальный аватар» популяции биологических нейронов, который можно использовать для анализа нейронных механизмов ощущений. Они продемонстрировали это, синтезируя новые изображения, которые заставляли определенные нейроны очень сильно реагировать.
Их исследование было опубликовано сегодня в журнале Nature Neuroscience.
"Мы хотим понять, как работает зрение. Мы подошли к этому исследованию, разработав искусственную нейронную сеть, которая предсказывает нейронную активность, производимую, когда животное смотрит на изображения. Если мы сможем построить такой аватар визуальной системы, мы сможем проводить над ним практически неограниченное количество экспериментов. Затем мы можем вернуться и протестировать реальный мозг с помощью метода, который мы назвали «начальные циклы»" сказал старший автор д-р. Андреас Толиас, профессор и кафедра неврологии, финансируемая Фондом Брауна в Бэйлоре.
Чтобы сеть узнала, как реагируют нейроны, исследователи сначала зарегистрировали большой объем мозговой активности с помощью мезоскопа, недавно разработанного крупномасштабного функционального микроскопа для визуализации.
"Во-первых, мы показали мышам около 5000 естественных изображений и записали нейронную активность тысяч нейронов, когда они видели изображения," сказал первый автор д-р. Эдгар Y. Уокер, бывший аспирант лаборатории Толиаса, а теперь доктор наук в Университете Тюбингена и Бейлора. "Затем мы использовали эти изображения и соответствующие записи активности мозга, чтобы обучить глубокую искусственную нейронную сеть имитировать реакцию реальных нейронов на визуальные стимулы."
"Чтобы проверить, действительно ли сеть научилась предсказывать нейронные реакции на визуальные образы, как это сделал бы мозг живой мыши, мы показали сетевые изображения, которых она не видела во время обучения, и увидели, что она предсказывает биологические нейронные ответы с высокой точностью," сказал соавтор доктор. Фабиан Синц, адъюнкт-профессор нейробиологии в Baylor и руководитель группы в Тюбингенском университете.
"Эксперименты с этими сетями выявили некоторые аспекты видения, которых мы не ожидали," сказал Толиас, основатель и директор Центра нейробиологии и искусственного интеллекта в Бейлоре. "Например, мы обнаружили, что оптимальным стимулом для некоторых нейронов на ранних стадиях обработки в неокортексе были шахматные доски или острые углы в отличие от простых краев, чего мы и ожидали в соответствии с нынешней догмой в этой области."
"Мы думаем, что эта схема подбора высокоточных искусственных нейронных сетей, проведения над ними вычислительных экспериментов и проверки полученных прогнозов в физиологических экспериментах может быть использована для исследования того, как нейроны представляют информацию по всему мозгу. Это в конечном итоге даст нам лучшее представление о том, как сложные нейрофизиологические процессы в головном мозге позволяют нам видеть," Синз сказал.