一项新的计算机程序使用人工智能来确定视觉神经元喜欢看的内容。该方法可以在学习障碍，自闭症谱系和其他神经系统条件下发光。
为什么我们的眼睛往往会比其他形状，颜色和剪影更多地绘制更多？
超过半个世纪，研究人员已知大脑的视觉系统中的神经元对不同的图像不平等 - 这是对识别，理解和解释我们周围众多视觉线索的能力至关重要的功能。例如，当人或其他灵长类动物的动物或其他灵长类动物 - 具有高度特殊视觉系统的动物时，视觉神经元的特异性群体的特异性群体的特异性群体 - 看起来，看看面部，地方，物体或文本。但正是这些神经元响应的是什么仍然不清楚。
现在，在哈佛大学研究所领导的调查人员领导的MAKQUES在哈佛大学医学院领导的一项小型研究已经产生了一些基于人工智能系统的有价值的线索，可以可靠地确定大脑的视觉皮层宁愿看到的神经元。
该团队工作的报告今天在Cell时出版。
试图测量神经元偏好的迄今为止的绝大多数实验已经使用了真实的图像。但实图携带固有的偏差：它们仅限于现实世界中可用的刺激，以及研究人员选择测试的图像。基于AI的程序通过创建对每个神经元偏好的合成图像来克服这种障碍。
哈佛医学院神经生物学系的研究生肖将设计了一种计算机程序，它使用敏感人工智能的形式来创造基于从六个猕猴的神经反应创建自我调整图像。为此，他和他的同事测量了在计算机屏幕上观看了图像的脑中的敏感性神经元的射击率。
在几个小时的过程中，动物被Xiao程序生成的100毫秒漏矿中显示了图像。图像在灰度中的随机纹理模式开始。基于被监测的神经元触发的多少，程序逐渐引入形状和颜色，随着时间的推移而变成了完全体现了神经元偏好的最终图像。因为这些图像中的每一个都是合成的，所以，它避免了研究人员传统上仅使用自然图像引入的偏差。
“在每个实验结束时，”他说，“这个程序为这些细胞产生超级刺激。”
这些实验的结果在单独的运行中一致，解释了高级调查员玛格丽特利文斯通道：特定神经元倾向于通过不相同而是相似的程序演变图像。
其中一些图像与HMS神经生物学的Takeda教授以及她的同事预期。例如，他们怀疑的神经元可能会响应面部演变的圆形粉红色图像，两个大黑点类似于眼睛。其他人更令人惊讶。其中一只动物中的神经元一直产生看起来像猴子的身体的图像，而是靠近颈部的红色漂移。研究人员最终意识到，这只猴子被居住在另一个山上，总是穿着红色衣领。
“我们认为这神经元不仅仅是猴子尸体，而是对特定的猴子，”Livingstone说。
并非每一个最终的图像都看起来像识别的东西，萧补充道。一只猴子的神经元演变了一个小小的黑色方块。另一个进化了一个无定形的黑色形状，橙色下面。
Livingstone注意到她的实验室和其他人的研究表明，这些神经元的反应不是天生的 - 而是通过一致暴露在视觉刺激随着时间的推移来学习。Livingstone说，当在开发期间，这种能够识别和识别某些图像的能力是未知的。她和她的同事计划在未来的研究中调查这个问题。
学习视觉系统如何响应图像可能是更好地理解推动认知问题的基本机制，从学习障碍传播到自闭症频谱障碍的基本机制，这些机制通常以孩子识别面部和过程面部提示的能力造成的损伤标记。
“大脑的视觉处理设备中的这种故障可能会干扰孩子的连接，沟通和解释基本线索的能力，”利文斯通道。“例如，通过研究优先响应面临的细胞，例如，我们可以揭开社会发展如何发生的线索，有时可能会出现。”
该研究由国家卫生和国家科学基金会资助。
出版物：Carlos R. Ponce等，“使用深生成网络演化的视觉神经元的图像揭示了编码原则和神经元偏好，”2019年细胞; DOI：10.1016 / J.Cell.2019.04.005
