Neurona necesariamente: la red neuronal para crear una imagen que afecta directamente al cerebro

Se ve que la imagen de arriba? Con esta extraña imagen de neurocientíficos del MIT han sido capaces de activar las neuronas individuales del cerebro. Utilizando el mejor modelo disponible de la red neuronal visual del cerebro, los científicos han desarrollado una nueva forma de controlar con precisión las neuronas individuales y sus poblaciones en el medio de la red. Durante las pruebas con animales el equipo mostró que la información obtenida a partir del modelo de ordenador, que les permite crear imágenes que activan fuertemente ciertas neuronas en el cerebro.

Neurona necesariamente: la red neuronal para crear una imagen que afecta directamente al cerebro

Los científicos, de hecho, conseguir una manera de acceder al cerebro a través de la imagen "directamente" sin tener que pasar a través de una interpretación de imágenes largo camino. Pero antes de pensar en un futuro distópico en el que vamos a realidad zombi en la televisión, vamos todos en orden.

Este es sin duda un gran avance

Las principales conclusiones del trabajo - los modelos computacionales existentes de la versión neyrosistem visual muy similar a la cosa real, por lo que se pueden utilizar para supervisar el estado del cerebro en animales. ¿Qué precisión son estos modelos simulan el funcionamiento de la corteza visual - esto es un tema de debate muy acalorado, dice James DiCarlo, el jefe del departamento de ciencias cognitivas y cerebrales del MIT, autor principal del estudio, que apareció en la revista Science el 2 de mayo.

"La gente ha cuestionado mucho si estos modelos proporcionan una comprensión del sistema visual", dice. "En lugar de hablar de ello en el ámbito académico, hemos demostrado que estos modelos ya son lo suficientemente potente como para poder utilizarlos en formas nuevas e importantes. Independientemente de si usted entiende cómo funciona este modelo o no, en un sentido, tiene beneficios "

Es decir, no importa cómo el modelo de cálculo del sistema visual del cerebro - es importante que podemos usarlo, es bastante precisa, y que los nuevos experimentos puede ser desarrollado sobre la base de la misma. Este es el primer resultado del trabajo que debe ser tenido en cuenta.

En las neuronas de gestión de imágenes - posible

En los últimos años, DiCarlo, y otros han desarrollado basándose en el modelo de red neuronal artificial del sistema visual. Cada cadena se inicia con una arquitectura arbitraria, que consiste en un modelo de neuronas, o nodos, que pueden ser interconectados por varias fuerzas indicadores o "peso".

Luego, los investigadores entrenaron la biblioteca de modelos de más de 1 millón de imágenes. Mirando a través de cada imagen y etiquetar el objeto más importante en la imagen - una aeronave o una silla, por ejemplo - el modelo aprende a reconocer objetos cambiando la fuerza de los compuestos. Es difícil determinar exactamente cómo el modelo logra este tipo de reconocimiento, pero DiCarlo y sus colegas han demostrado previamente que las "neuronas" en estos modelos crean un modelo de actividad, muy similares a los observados en la corteza visual de los animales en reacción a las mismas imágenes. Es decir, la red es como tratar de aprender a pensar o ver realmente.

En el nuevo estudio, los investigadores querían comprobar si su modelo para llevar a cabo ciertas tareas que anteriormente no habían sido demostrados. En particular, estaban interesados ​​en saber si puede utilizar estos modelos para controlar la actividad neuronal en la corteza visual de los animales.

"Hasta ahora hemos tratado de predecir el uso de estos modelos, ¿cuáles son las respuestas neuronales a otros estímulos, que no han visto antes", dice. "La diferencia principal aquí es que vamos un paso más allá y utilizar el modelo para que las neuronas en el estado deseado"

Para lograr esto, los investigadores primero crean un mapa preciso de "uno a uno" neuronas cerebrales en las áreas visuales del cerebro de los nodos V4 en el modelo computacional. Hicieron esto al mostrar imágenes de animales y modelos y comparando sus respuestas a las mismas imágenes. En el área de neuronas V4 millones, pero para este estudio fueron creados tarjeta de subpoblaciones con 5 - 40 neuronas simultáneamente.

"Tan pronto como cada neurona recibe la designación, el modelo permite hacer predicciones sobre la neurona", dice DiCarlo.

Luego, los investigadores decidieron averiguar si pueden utilizar estas previsiones para controlar la actividad de neuronas individuales en la corteza visual. El primer tipo de control, a la que llamaron "estiramiento", incluye una visualización de la imagen que muestra la actividad de la neurona específica más allá de la actividad, por lo general llama imágenes "naturales", como los que se utilizan para entrenar las redes neuronales.

Los investigadores encontraron que cuando los animales demuestran estas imágenes "sintéticos" que son creados por los modelos y no se parecen a los objetos naturales, las neuronas blanco reaccionaron como se esperaba. En promedio, las neuronas mostraron un 40 por ciento más de actividad en respuesta a estas imágenes que cuando se mostraron las imágenes naturales. Este tipo de control no se ha alcanzado nunca.

"El hecho de que se las arreglaron para que sea increíble. Desde el punto de vista de la neurona si resulta ser la imagen perfecta en su enfoque. Neurona repente proporcionar el estímulo que siempre estaba buscando ", Aaron dice Batista, profesor de bioingeniería de la Universidad de Pittsburgh, que no participó en el estudio. "Es una gran idea y ponerla en práctica - una hazaña. Tal vez la evidencia más poderosa de la necesidad de utilizar redes neuronales artificiales para la comprensión de estas redes neuronales ".

Sólo pensar en ello: los científicos crearon un (todavía) generador de imagen sencilla, causando un cierto efecto en el cerebro del animal (aún). En teoría - hasta ahora sólo en teoría - podría crear una imagen "perfecta" para la regulación hormonal de las emisiones, la creación de ciertos recuerdos, la programación de las acciones humanas - porque todo es el resultado de las neuronas. La imagen creada por la red neuronal, que nunca nadie ha visto y al que sólo es capaz de red neuronal, la comprensión del funcionamiento interno del cerebro, y se puede curar y matar. En una serie de experimentos similares, los científicos han tratado de crear imágenes que son como si "sacados" de la propia neurona, al mismo tiempo que se mantiene la actividad de las neuronas vecinas en un nivel muy bajo, lo cual ya es más difícil. Con la mayoría de las neuronas a prueba, los científicos fueron capaces de aumentar la actividad de una neurona diana con un ligero aumento en las neuronas circundantes.

"La tendencia general en la neurociencia es que la recogida de datos experimentales y simulaciones por ordenador se comportó ligeramente por separado, lo que hace imposible para confirmar el modelo de manera significativa, por lo que no hay progreso mensurable. Nuestros esfuerzos por regresar a un enfoque de la vida "circuito cerrado", dijeron los científicos. Esto es importante para el éxito de los modelos de construcción y ensayo, que será similar al cerebro al máximo.

La precisión de la medición

Los científicos también han demostrado que pueden usar su modelo para predecir cómo la región V4 de las neuronas respondería a la imagen sintetizada - como la de arriba. La mayor parte modelo de prueba anterior utiliza el mismo tipo de imágenes naturalistas en la que se entrenó el modelo. Los científicos del MIT han descubierto que un modelo con 54% de precisión a predecir cómo el cerebro necesita para reaccionar a la imagen sintetizada, y con una precisión de 90% a predecir cómo el cerebro reacciona a las imágenes naturales.

"En cierto sentido, cuantitativamente evaluar la forma precisa estos modelos para predecir el exterior de la zona en la que fueron entrenados", dice uno de los investigadores. "Idealmente, el modelo debe ser capaz de predecir con precisión la capacidad de respuesta, independientemente de la señal de entrada."

Ahora los científicos esperan mejorar la exactitud de los modelos, lo que les permite incluir la nueva información que perciben, mirando la imagen sintetizada. No se aplica el estudio. En pocas palabras, el modelo va a aprender de sus-mismas imágenes generadas. Este tipo de control es útil para los neurocientíficos que quieran aprender cómo las diferentes neuronas se comunican e interactúan entre sí. Además, este enfoque es potencialmente útil para conseguir problemas con el estado de ánimo, como la depresión. Ahora los científicos están trabajando en la expansión de su modelo a la corteza temporal inferior (inferotemporalnoy), que es alimentado por la amígdala, implicado en las emociones de procesamiento.

"Si tuviéramos un buen modelo de una neurona, lo que supondrá un aumento de la emoción y causar diversos tipos de trastornos, podríamos usar este modelo para el control de las neuronas con el fin de ayudar a aliviar estos trastornos."

Discutir este descubrimiento sorprendente ahora es posible en nuestro chat en el telegrama.