图片来自：wikimedia commons
正常人一睁开眼睛，就能立即获得对世界的视觉感知。这看似很容易，但从光子触达视网膜到“看见”的过程远没那么简单。在整个过程中，大脑的基本任务是从触达眼睛的光线中重建关于世界的相关信息。这个过程相当复杂，大脑中的神经元也同样以复杂的方式对图像做出反应。
从某种程度上来讲，通过实验方式来描述神经元对图像的反应是非常有挑战性的，因为可用的图像是无限的。以往，重要的发现往往来自于大脑神经元“喜欢”的刺激，这完全依赖于科学家的直觉和运气。
美国贝勒医学院和德国蒂宾根大学的研究人员现在开发出一种新的计算方法来加速寻找这些最佳刺激。他们建立了深层人工神经网络，能准确预测生物大脑对任意视觉刺激产生的神经反应。这些网络被视为一簇生物神经元的“虚拟化身”，可用来剖析感觉的生物神经机制。他们通过合成新的图像证明了这一点，这些图像让特定的神经元反应非常强烈。
图片来自：CC0 public domain
这项研究被发表在11月4日的《自然-神经科学》（Nature Neuroscience）杂志上。
“我们想搞明白视觉是如何运作的。为了实现该目的，我们通过开发一种人工神经网络来预测动物看图像时产生的神经元活动。如果我们可以创建一个视觉系统的虚拟化身，基本上就能进行无限次实验。然后我们可以回过头来用一种我们称之为‘inception loops’的方法在真实的大脑中进行测试，”论文的通讯作者（senior author）Andreas Tolias博士如是说，他是贝勒大学的教授和布朗基金会的神经科学主席。
为了让神经网络学习生物神经元是如何反应的，研究人员事先用近期开发的一种大规模功能成像显微镜——mesoscope记录了大量的大脑活动。
mesoscope显微镜，图来自：thorlabs
“首先，我们给老鼠展示了大约5000幅自然图像，记录了它们看到图像时数千个神经元的神经活动，”论文第一作者（ first author ）Edgar Y. Walker博士说，“然后，我们利用这些图像和相应的大脑活动记录来训练一个深度人工神经网络，以模拟真实神经元对视觉刺激的反应。”Edgar Y. Walker博士曾是Tolias lab的研究生，现在是蒂宾根和贝勒大学的博士后科学家。
“为dogma了测试神经网络是否真的像老鼠大脑那样学会了针对图像预测神经反应，我们向它展示了在学习过程中没有出现过的网络图像，并发现它以高精度预测了生物神经反应。”联合第一作者（co-first author）Fabian Sinz博士说道，他是贝勒大学神经科学副教授兼蒂宾根大学领导。
贝勒神经科学和人工智能中心的创始人兼主任Tolias说：“关于视觉，这些神经网络实验揭示了一些我们没想到的方面。例如，我们发现，在大脑新皮层处理的早期阶段，一些神经元的最佳刺激是棋盘，或是尖角，而不是我们根据当前领域教条所期望的简单边线。”
Fabian Sinz博士说道：“我们认为，这种高精度拟合的人工神经网络、执行可计算实验以及在生理实验中验证结果预测的框架，可以用来研究神经元如何在整个大脑中表示信息。这最终会让我们更好地了解大脑复杂的神经生理过程是如何让我们‘看到’的。”
来源:Baylor College of Medicine
