一区二区三区三上|欧美在线视频五区|国产午夜无码在线观看视频|亚洲国产裸体网站|无码成年人影视|亚洲AV亚洲AV|成人开心激情五月|欧美性爱内射视频|超碰人人干人人上|一区二区无码三区亚洲人区久久精品

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫(xiě)文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

史上首次MIT研究用AI控制動(dòng)物大腦活動(dòng)

電子工程師 ? 來(lái)源:fqj ? 2019-05-06 15:12 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

這不是科幻:人工神經(jīng)網(wǎng)絡(luò)可以用來(lái)控制動(dòng)物的大腦活動(dòng)了!

5月2日發(fā)表在Science雜志的一篇論文中,來(lái)自MIT的三位神經(jīng)科學(xué)家對(duì)模擬大腦視覺(jué)皮層的計(jì)算模型進(jìn)行了迄今為止最嚴(yán)格的測(cè)試。

三位作者分別是MIT大腦與認(rèn)知科學(xué)系的負(fù)責(zé)人、麥戈文腦研究所調(diào)查員James DiCarlo,以及博士后研究員Pouya Bashivan和Kohitij Kar。

他們利用目前最好的大腦視覺(jué)神經(jīng)網(wǎng)絡(luò)模型,設(shè)計(jì)了一種新方法來(lái)精確地控制單個(gè)神經(jīng)元和位于網(wǎng)絡(luò)中間的神經(jīng)元群。

在一項(xiàng)動(dòng)物研究中,研究團(tuán)隊(duì)隨后表明,他們利用從計(jì)算模型中獲得的信息創(chuàng)建了一些圖像,這些圖像能夠強(qiáng)烈地激活所選定的大腦神經(jīng)元。

具體來(lái)說(shuō),Bashivan等人建立了一個(gè)人工神經(jīng)網(wǎng)絡(luò)來(lái)模擬目標(biāo)視覺(jué)系統(tǒng)的行為,并用它來(lái)構(gòu)建圖像,這些圖像要么能夠廣泛地激活大量神經(jīng)元,要么選擇性地激活一個(gè)神經(jīng)元群,同時(shí)保持其他神經(jīng)元不變。

神經(jīng)網(wǎng)絡(luò)模型設(shè)計(jì)了這些圖像,它們能夠刺激單個(gè)神經(jīng)元的活動(dòng)

然后,他們分析了這些圖像在獼猴視覺(jué)皮層產(chǎn)生預(yù)期效果的有效性。結(jié)果顯示,這些操作有很強(qiáng)的效果,并對(duì)神經(jīng)元群產(chǎn)生了相當(dāng)大的選擇性影響。利用這些圖像,神經(jīng)網(wǎng)絡(luò)被證明可以再現(xiàn)動(dòng)物神經(jīng)反應(yīng)的整體行為。

研究結(jié)果表明,這些模型與大腦非常相似,可以用來(lái)控制動(dòng)物的大腦狀態(tài)。

James DiCarlo表示,這項(xiàng)新研究有助于確定視覺(jué)模型在腦科學(xué)研究中的有用性。此前,關(guān)于這類視覺(jué)模型是否準(zhǔn)確地模擬了視覺(jué)皮層的工作方式存在激烈的爭(zhēng)論。

James DiCarlo

“人們質(zhì)疑這些模型是否能夠提供對(duì)視覺(jué)系統(tǒng)的理解,”James DiCarlo說(shuō):“我們沒(méi)有在學(xué)術(shù)意義上爭(zhēng)論這個(gè)問(wèn)題,而是證明了這些模型已經(jīng)足夠強(qiáng)大,能夠支持一項(xiàng)重要的新應(yīng)用。不管你是否理解這個(gè)模型的工作原理,從這個(gè)意義上說(shuō),它已經(jīng)很有用了。”

他們?cè)谙旅娴?a target="_blank">視頻采訪更詳細(xì)地闡述了這個(gè)研究。

訓(xùn)練神經(jīng)網(wǎng)絡(luò),4步神經(jīng)控制實(shí)驗(yàn)

在過(guò)去幾年里,DiCarlo等人開(kāi)發(fā)了基于人工神經(jīng)網(wǎng)絡(luò)的視覺(jué)系統(tǒng)模型。每個(gè)網(wǎng)絡(luò)都以一個(gè)由模型神經(jīng)元(model neurons)或節(jié)點(diǎn)(nodes)組成的任意架構(gòu)開(kāi)始,這些神經(jīng)元或節(jié)點(diǎn)可以以不同的強(qiáng)度(也稱為權(quán)重)相互連接。

然后,研究人員用一個(gè)包含超過(guò)100萬(wàn)張圖像的庫(kù)中訓(xùn)練這些模型。當(dāng)研究人員向模型展示每張圖像,以及圖像中最突出的物體(比如飛機(jī)或椅子)的標(biāo)簽時(shí),模型通過(guò)改變連接的強(qiáng)度來(lái)學(xué)習(xí)識(shí)別物體。

很難準(zhǔn)確地了解這個(gè)模型是如何實(shí)現(xiàn)這種識(shí)別的,但是DiCarlo和他的同事之前已經(jīng)證明,這些模型中的“神經(jīng)元”產(chǎn)生的活動(dòng)模式與動(dòng)物視覺(jué)皮層響應(yīng)相同圖像時(shí)的活動(dòng)模式非常相似。

在這項(xiàng)新研究中,研究人員想要測(cè)試他們的模型是否能夠執(zhí)行一些以前尚未被證明的任務(wù)。特別是,他們想看看這些模型是否可以用來(lái)控制動(dòng)物視覺(jué)皮層的神經(jīng)活動(dòng)。

他們進(jìn)行了幾個(gè)閉環(huán)的神經(jīng)生理學(xué)實(shí)驗(yàn):在將模型神經(jīng)元與每個(gè)記錄的大腦神經(jīng)位置匹配之后,使用該模型合成了全新的“控制器”(controller)圖像。

史上首次MIT研究用AI控制動(dòng)物大腦活動(dòng)

合成程序概述

如上圖所示,神經(jīng)控制實(shí)驗(yàn)分四步完成:(1)通過(guò)訓(xùn)練大量標(biāo)記的自然圖像來(lái)優(yōu)化神經(jīng)網(wǎng)絡(luò)的參數(shù);(2)ANN “神經(jīng)元” 被映射到每個(gè)記錄的 V4 神經(jīng)位點(diǎn),構(gòu)成可計(jì)算的預(yù)測(cè)模型。(3)然后將得到的模型用于合成單個(gè)位點(diǎn)或群體控制的 “控制器” 圖像。(4)最后由實(shí)驗(yàn)者將由這些圖像指定的發(fā)光模式應(yīng)用于受試者的視網(wǎng)膜,并測(cè)量神經(jīng)部位的控制程度。

上圖(D)顯示了猴 M(黑色),猴 N(紅色)和猴 S(藍(lán)色)大腦中神經(jīng)位點(diǎn)的感受野。

然后,研究人員將這些圖像呈現(xiàn)給每個(gè)受試者,以測(cè)試模型控制受試者神經(jīng)元的能力。在一項(xiàng)測(cè)試中,他們要求模型嘗試控制每個(gè)神經(jīng)元,使其激活程度超過(guò)其通常觀察到的最大激活水平。研究人員發(fā)現(xiàn),模型生成的合成刺激成功地驅(qū)動(dòng)了68%的神經(jīng)位點(diǎn)超出了它們的自然觀察激活水平。

史上首次MIT研究用AI控制動(dòng)物大腦活動(dòng)

單個(gè)神經(jīng)控制的一個(gè)示例

在令一項(xiàng)更嚴(yán)格的測(cè)試中,該模型顯示,它能夠選擇性地控制整個(gè)神經(jīng)亞群,激活一個(gè)特定的神經(jīng)元,同時(shí)使其他記錄的神經(jīng)元失活(成功率達(dá)到76%)。

史上首次MIT研究用AI控制動(dòng)物大腦活動(dòng)

神經(jīng)元群的控制

接下來(lái),研究人員使用這些合成的controller圖像來(lái)研究模型預(yù)測(cè)大腦反應(yīng)的能力是否適用于這些圖像。他們發(fā)現(xiàn)該模型確實(shí)相當(dāng)準(zhǔn)確,預(yù)測(cè)了54%的由圖像引起的大腦反應(yīng)模式,但它顯然還不完美。

“到目前為止,對(duì)這些模型所做的工作是預(yù)測(cè)神經(jīng)會(huì)對(duì)其他刺激產(chǎn)生什么反應(yīng),這些刺激是他們以前從未見(jiàn)過(guò)的。”Bashivan說(shuō):“這次的研究主要的不同之處在于,我們更進(jìn)了一步,利用這些模型將神經(jīng)元驅(qū)動(dòng)到所需的狀態(tài)。”

為了實(shí)現(xiàn)這一目標(biāo),研究人員首先創(chuàng)建了大腦的視覺(jué)區(qū)域V4中的神經(jīng)元和計(jì)算模型中的節(jié)點(diǎn)的一對(duì)一映射。他們通過(guò)分別向動(dòng)物和模型展示圖像,并比較它們對(duì)相同圖像的反應(yīng)來(lái)實(shí)現(xiàn)這一點(diǎn)。V4區(qū)域有數(shù)百萬(wàn)個(gè)神經(jīng)元,但在這項(xiàng)研究中,研究人員每次為5到40個(gè)神經(jīng)元的亞群創(chuàng)建映射。

DiCarlo說(shuō):“一旦每個(gè)神經(jīng)元都有一個(gè)任務(wù),這個(gè)模型就可以讓你對(duì)那個(gè)神經(jīng)元做出預(yù)測(cè)。”

然后,研究人員開(kāi)始研究他們是否能利用這些預(yù)測(cè)來(lái)控制視覺(jué)皮層中單個(gè)神經(jīng)元的活動(dòng)。第一種類型的控制,他們稱之為“拉伸”(stretching),即向?qū)嶒?yàn)者展示一幅圖像,該圖像將驅(qū)動(dòng)特定神經(jīng)元的活動(dòng),其強(qiáng)度遠(yuǎn)遠(yuǎn)超出通常由“自然”圖像引發(fā)的活動(dòng),,這些“自然”圖像與用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)的圖像類似。

史上首次MIT研究用AI控制動(dòng)物大腦活動(dòng)

單個(gè)神經(jīng)位點(diǎn)的最大驅(qū)動(dòng)(拉伸)

研究人員發(fā)現(xiàn),當(dāng)他們向動(dòng)物展示這些“合成”圖像時(shí),目標(biāo)神經(jīng)元的反應(yīng)與預(yù)期相符。這些“合成”圖像是由模型生成的,不像自然物體。平均而言,神經(jīng)元對(duì)這些圖像的反應(yīng)要比它們看到自然圖像時(shí)活躍約40%。

這是科學(xué)家第一次實(shí)現(xiàn)這種控制。

控制大腦神經(jīng)元,有助于治療情緒障礙

神經(jīng)科學(xué)的一個(gè)普遍趨勢(shì)是,實(shí)驗(yàn)數(shù)據(jù)收集和計(jì)算建模在某種程度上是獨(dú)立進(jìn)行的,導(dǎo)致很少有模型驗(yàn)證,因此沒(méi)有可測(cè)量的進(jìn)展。這項(xiàng)的工作使這種“閉環(huán)”方法重現(xiàn)生機(jī),同時(shí)進(jìn)行模型預(yù)測(cè)和神經(jīng)測(cè)量,這對(duì)成功構(gòu)建和測(cè)試最接近大腦的模型至關(guān)重要。

研究人員還表示,他們可以利用該模型來(lái)預(yù)測(cè)V4區(qū)域的神經(jīng)元對(duì)合成圖像的反應(yīng)。之前對(duì)這些模型的大多數(shù)測(cè)試都使用了與訓(xùn)練模型相同的自然圖像。MIT的研究團(tuán)隊(duì)發(fā)現(xiàn),這些模型在預(yù)測(cè)大腦對(duì)合成圖像的響應(yīng)方面的準(zhǔn)確率約為54%,而使用自然圖像時(shí)的準(zhǔn)確率接近90%。

Bashivan說(shuō):“從某種意義上說(shuō),我們正在量化這些模型在訓(xùn)練領(lǐng)域之外做出預(yù)測(cè)的準(zhǔn)確性。理想情況下,無(wú)論輸入是什么,模型都應(yīng)該能夠準(zhǔn)確預(yù)測(cè)。”

研究人員希望在接下來(lái)的研究中,通過(guò)讓模型吸收他們從合成圖像中學(xué)到的新信息來(lái)提高模型的準(zhǔn)確性。

研究人員表示,這種控制可能對(duì)想要研究不同神經(jīng)元之間如何相互作用以及它們之間如何連接的神經(jīng)科學(xué)家有用。將來(lái),這種方法有助于治療抑郁癥等情緒障礙。研究人員目前正致力于將他們的模型擴(kuò)展到下顳葉皮層,進(jìn)入杏仁核,這是參與情緒處理的區(qū)域。

Bashivan說(shuō):“如果我們有一個(gè)很好的神經(jīng)元模型,這個(gè)模型可以讓我們的神經(jīng)元參與體驗(yàn)情緒,或者引發(fā)各種各樣的紊亂,那么我們就可以用這個(gè)模型來(lái)驅(qū)動(dòng)神經(jīng)元,從而幫助改善這些紊亂?!?/p>

“他們成功地做到了這一點(diǎn),真的很了不起。就好像,至少對(duì)那個(gè)神經(jīng)元來(lái)說(shuō),它的理想圖像突然變成焦點(diǎn),神經(jīng)元突然被提供了它一直在尋找的刺激,”匹茲堡大學(xué)生物工程副教授Aaron Batista評(píng)價(jià)道:“這是一個(gè)了不起的想法,一項(xiàng)了不起的壯舉。這可能是迄今為止,對(duì)使用人工神經(jīng)網(wǎng)絡(luò)來(lái)理解真實(shí)神經(jīng)網(wǎng)絡(luò)的最強(qiáng)有力的驗(yàn)證?!?/p>

聲明:本文內(nèi)容及配圖由入駐作者撰寫(xiě)或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴

原文標(biāo)題:[機(jī)器人頻道|大V說(shuō)]Science重磅:史上首次!MIT研究用AI控制動(dòng)物大腦活動(dòng)

文章出處:【微信號(hào):robovideo,微信公眾號(hào):機(jī)器人頻道】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。

收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評(píng)論

    相關(guān)推薦
    熱點(diǎn)推薦

    飛騰軟件支持平臺(tái)即將正式上線AI智能大腦

    遇到棘手的技術(shù)問(wèn)題卻無(wú)人解答?搜索文檔耗時(shí)長(zhǎng)?飛騰軟件支持平臺(tái)即將正式上線AI智能大腦,讓技術(shù)難題實(shí)現(xiàn)“秒回應(yīng)”!
    的頭像 發(fā)表于 06-13 11:37 ?439次閱讀

    輪邊電機(jī)驅(qū)動(dòng)汽車(chē)性能仿真與控制方法的研究

    [摘要] 為多域車(chē)輛的陸地行駛,設(shè)計(jì)了輪邊電機(jī)驅(qū)動(dòng)系統(tǒng),構(gòu)建了基于輪邊驅(qū)動(dòng)系統(tǒng)的車(chē)輛模型,并對(duì)驅(qū)動(dòng)控制方法進(jìn)行了研究。在轉(zhuǎn)向動(dòng)力學(xué)理論分析基礎(chǔ)上,在ADAMS 中建立了多體動(dòng)力學(xué)模型:提出了車(chē)輛驅(qū)動(dòng)
    發(fā)表于 06-10 13:10

    英飛凌2024年MCU市場(chǎng)份額飆升,首次奪得全球微控制器市場(chǎng)首位

    %增長(zhǎng)了3.5個(gè)百分點(diǎn)。這一顯著的增長(zhǎng)幅度使英飛凌在同業(yè)中成為增幅最大的企業(yè),并且標(biāo)志著其在公司歷史上首次在全球微控制器市場(chǎng)登頂。微控制器是現(xiàn)代電子設(shè)備的核心組件,
    的頭像 發(fā)表于 03-12 11:42 ?699次閱讀
    英飛凌2024年MCU市場(chǎng)份額飆升,<b class='flag-5'>首次</b>奪得全球微<b class='flag-5'>控制</b>器市場(chǎng)首位

    名單公布!【書(shū)籍評(píng)測(cè)活動(dòng)NO.59】零基礎(chǔ)開(kāi)發(fā)AI Agent——手把手教你扣子做智能體

    的新技術(shù)實(shí)踐指南,助你把握科技大勢(shì)。 ▊《零基礎(chǔ)開(kāi)發(fā)AI Agent——手把手教你扣子做智能體》 葉濤管鍇張心雨 著 不懂編程也可以開(kāi)發(fā)Agent Agent(智能體)是大模型落地的重要方向
    發(fā)表于 03-10 16:29

    智能電動(dòng)輪椅控制系統(tǒng)的研究與設(shè)計(jì)

    本文介紹了智能輪椅、自動(dòng)避障算法以及電機(jī)調(diào)速系統(tǒng)的國(guó)內(nèi)外發(fā)展現(xiàn)狀,并 研究了用戶對(duì)智能輪椅的實(shí)際需求,分析了國(guó)內(nèi)應(yīng)用市場(chǎng)上智能輪椅存在的不足, 設(shè)計(jì)了一款具有自動(dòng)避障和坡度智能制動(dòng)功能的智能輪椅
    發(fā)表于 03-07 15:17

    Meta AI推出Brain2Qwerty:非侵入性大腦信號(hào)轉(zhuǎn)文本系統(tǒng)

    。 Brain2Qwerty系統(tǒng)主要依賴于非侵入性的技術(shù)手段來(lái)捕捉和解析大腦活動(dòng)。具體而言,它結(jié)合了腦電圖(EEG)和腦磁圖(MEG)這兩種先進(jìn)的神經(jīng)科學(xué)工具,以精確記錄志愿者在思考過(guò)程中的大腦信號(hào)。 在
    的頭像 發(fā)表于 02-11 13:37 ?593次閱讀

    三星Galaxy S25系列發(fā)布

    近日,三星正式發(fā)布了其史上最強(qiáng)AI手機(jī)——Galaxy S25系列,以及全新的AI操作系統(tǒng)One UI 7,并在發(fā)布會(huì)上首次展示了Android XR頭顯Project Moohan,
    的頭像 發(fā)表于 01-23 15:52 ?625次閱讀

    制動(dòng)斬波器的工作原理 EAK制動(dòng)斬波電阻器

    制動(dòng)斬波器:詳細(xì)概述 術(shù)語(yǔ)“制動(dòng)裝置”或“制動(dòng)斬波器”是指通過(guò)將制動(dòng)能量切換到電阻器來(lái)控制直流母線電壓的電氣開(kāi)關(guān),并在電阻器中將其轉(zhuǎn)化為熱
    的頭像 發(fā)表于 11-12 06:53 ?953次閱讀
    <b class='flag-5'>制動(dòng)</b>斬波器的工作原理 EAK<b class='flag-5'>制動(dòng)</b>斬波電阻器

    電源反接制動(dòng)和倒拉反接制動(dòng)有何異同點(diǎn)

    ? ? ? 電源反接制動(dòng)和倒拉反接制動(dòng)是兩種電機(jī)制動(dòng)方式,它們?cè)诠I(yè)自動(dòng)化和電機(jī)控制領(lǐng)域中有著廣泛的應(yīng)用。這兩種制動(dòng)方式各有特點(diǎn)和適用場(chǎng)景,
    的頭像 發(fā)表于 10-23 15:52 ?1172次閱讀

    開(kāi)源應(yīng)用程序追蹤并繪制動(dòng)物活動(dòng)

    追蹤和繪制動(dòng)物遷徙模式對(duì)于野生動(dòng)物和不斷擴(kuò)大的人類足跡之間的平衡共存至關(guān)重要。有了遷徙模式和棲息地的數(shù)據(jù),城市規(guī)劃者和自然保護(hù)者就可以指導(dǎo)開(kāi)發(fā)和建設(shè)項(xiàng)目,平衡野生動(dòng)物種群和人類社區(qū)的需求。
    的頭像 發(fā)表于 10-14 10:45 ?840次閱讀
    開(kāi)源應(yīng)用程序追蹤并繪<b class='flag-5'>制動(dòng)物</b><b class='flag-5'>活動(dòng)</b>

    NVIDIA與思科合作打造企業(yè)級(jí)生成式AI基礎(chǔ)設(shè)施

    由 NVIDIA 加速計(jì)算平臺(tái)、NVIDIA AI Enterprise 軟件和 NVIDIA NIM 推理微服務(wù)加持的思科 Nexus HyperFabric AI 集群解決方案在 Cisco Live 上首次亮相。
    的頭像 發(fā)表于 10-10 09:35 ?846次閱讀

    電源反接制動(dòng)和倒拉反接制動(dòng)有何異同點(diǎn)

    電源反接制動(dòng)和倒拉反接制動(dòng)是兩種電機(jī)制動(dòng)方式,它們?cè)诠I(yè)自動(dòng)化和電機(jī)控制領(lǐng)域中有著廣泛的應(yīng)用。這兩種制動(dòng)方式各有特點(diǎn)和適用場(chǎng)景,下面我將介紹
    的頭像 發(fā)表于 09-19 09:10 ?2187次閱讀

    氣壓制動(dòng)系統(tǒng)制動(dòng)不良的原因

    氣壓制動(dòng)系統(tǒng)是一種廣泛應(yīng)用于各種車(chē)輛,尤其是大型商用車(chē)輛的制動(dòng)系統(tǒng)。它利用壓縮空氣作為動(dòng)力源,通過(guò)控制氣壓來(lái)實(shí)現(xiàn)車(chē)輛的制動(dòng)。然而,氣壓制動(dòng)
    的頭像 發(fā)表于 09-18 15:50 ?802次閱讀

    氣壓制動(dòng)系統(tǒng)的制動(dòng)氣壓壓力由什么控制

    氣壓制動(dòng)系統(tǒng)是廣泛應(yīng)用于各種商用車(chē)輛和部分乘用車(chē)的制動(dòng)系統(tǒng),它通過(guò)壓縮空氣來(lái)實(shí)現(xiàn)對(duì)車(chē)輛的制動(dòng)。這種系統(tǒng)的制動(dòng)氣壓壓力是由多個(gè)組件和控制機(jī)制共
    的頭像 發(fā)表于 09-18 15:47 ?1041次閱讀

    名單公布!【書(shū)籍評(píng)測(cè)活動(dòng)NO.44】AI for Science:人工智能驅(qū)動(dòng)科學(xué)創(chuàng)新

    大力發(fā)展AI for Science的原因。 第2章從科學(xué)研究底層的理論模式與主要困境,以及人工智能三要素(數(shù)據(jù)、算法、算力)出發(fā),對(duì)AI for Science的技術(shù)支撐進(jìn)行解讀。 第3章介紹了在
    發(fā)表于 09-09 13:54