AI 可以根据大脑活动预测行为吗?

一项由 Wellcome 和欧洲研究委员会资助的新神经科学研究展示了 AI 深度学习算法如何通过解码大脑活动来预测行为.

“神经代码提供了对刺激、行为和认知状态的复杂的非线性表示，"隶属于 Kavli 系统神经科学研究所、马克斯普朗克人类认知和脑科学研究所、UCL 和eLife 中的其他机构. “阅读这段代码是神经科学的主要目标之一——有望深入了解神经回路执行的计算."

从成像和神经记录中解码大脑数据是一项复杂、耗时的工作，该研究的科学家将其描述为“一个不平凡的问题，需要对编码的变量有很强的先验知识，最重要的是，需要了解编码的形式他们被代表了."

为了破译神经代码，研究人员创建了一个卷积神经网络 (CNN)，以根据最少处理的宽带神经数据预测行为或其他共同记录的刺激. AI模型通过小波变换将输入的大脑数据转换为频率空间.

他们首先使用来自啮齿动物海马体(特别是 CA1 锥体细胞层)中的神经元的原始电生理记录来训练 AI 深度神经网络.海马体是大脑中在边缘系统中发挥作用的区域，与记忆、学习和情绪相关.

人工智能模型能够通过从训练数据中学习来预测啮齿动物的位置、速度和头部方向.接下来，科学家们使用来自听觉皮层的双光子钙成像数据的电生理数据测试了 AI 深度神经网络，这些数据也是在啮齿动物探索虚拟环境时记录的.在最后一步中，该团队使用从人类手指移动时的大脑皮层电图 (ECoG) 记录来测试 AI 算法.

“我们展示了从原始神经活动成功解码手指运动、听觉刺激和空间行为(包括头部方向的新表示)，"研究人员报告说.

此外，据科学家称，AI 模型在处理大多数神经科学研究环境中使用的大脑数据方面具有很高的潜力，例如功能性磁共振成像 (fMRI)、脑磁图 (MEG) 和脑电图 (EEG) .

“总而言之，我们相信像这样的基于深度学习的框架构成了实验神经科学家的宝贵工具，能够提供关于变量是否在时间序列数据中编码的一般概述，并提供有关编码的性质——它出现的时间、地点和频段，"科学家总结道.

Copyright © 2021 Cami Rosso 版权所有.