Нейрон невольно: нейросеть создала изображение, влияющее на мозг напрямую
Видите это изображение? При помощи этого странного изображения нейробиологи Массачусетского технологического института смогли активировать отдельные нейроны мозга.
Применяя лучшую из доступных модель зрительной нейронной сети мозга, ученые разработали современный способ точного управления отдельными нейронами и их популяциями в середине данной сети. В ходе проверки на зверей команда показала, что информация, полученная из вычислительной модели, позволила им создавать изображения, которые сильно активировали конкретные нейроны мозга.
Это изображение может активировать отдельные нейроны мозга.
Ученые, по существу, получили способ обращаться к мозгу через изображение «напрямую», минуя большой путь осмысления изображений. Однако прежде чем вы задумаетесь о мрачном будущем, в котором нас на самом деле будут зомбировать с экранов телевизора, давайте обо всем по порядке.
Что такое нейрон Частная жизнь нейрона мозга (Учебный фильм СССР)
Прорыв в изучении мозга
Главные выводы работы — существующие расчетные версии моделей зрительных нейросистем достаточно похожи на реальные, чтобы их можно было применять для контроля состояния мозга у зверей. Как точно данные модели копируют работу зрительной коры — данный вопрос вызывает очень активные дебаты, говорит Джеймс ДиКарло, глава отделения мозга и когнитивных наук MIT, старший автор исследования, которое возникло 2 мая в журнале Science.
«Люди давно спрашивают себя, предоставляют ли данные модели осознание зрительной системы», говорит он. «Заместо того, чтобы обговаривать это в отвлечённых кругах, мы показали, что данные модели уже очень и очень мощные, чтобы можно было применить их новыми и важными способами. Не зависимо от того, понимаете вы, как работает данная модель либо нет, в определенном смысле она уже дает пользу»
Другими словами, не имеет значение, как работает расчетная модель зрительной системы мозга — важно, что мы уже можем ее применять, что она довольно точна и что на ее основании можно разрабатывать новые эксперименты. Это первое последствие работы, которое необходимо иметь в виду.
Как управлять нейронами мозга
В течение последних многих лет ДиКарло и остальные разрабатывали модели зрительной системы на основе искусственных нейронных сетей. Каждая сеть начинается с произвольной архитектуры, которая состоит из модельных нейронов, или узлов, которые могут соединяться между собой разными критериями силы, или «весом».
После ученые учат данные модели на библиотеке из более 1 миллиона изображений. Просматривая каждое изображение и метку важнейшего объекта на изображении — самолета или стула, к примеру — модель учится узнавать объекты, меняя силу соединений.
Тяжело точно определить, как модель может достигать подобного рода распознавания, но ДиКарло и его коллеги прежде показали, что «нейроны» в данных моделях делают модели активности, очень похожие на те, которые наблюдаются в зрительной коре зверей при реакции на аналогичные изображения. Другими словами, нейросеть будто бы пытается обучиться думать или видеть по-настоящему.
В новом исследовании ученые хотели проверить, могут ли их модели исполнять определенные задачи, которые прежде не демонстрировались. В особенности, им понравилось, можно ли применять данные модели для контроля нейронной активности в зрительной коре зверей.
«До этого времени мы пытались прогнозировать с помощью данных моделей, какими будут нейронные ответы на прочие стимулы, которых они до недавнего времени не видели», говорит ученый. «Важное отличие в этом заключается в том, что мы идем на один шаг дальше и применяем модели для приведения нейронов в желаемые состояния»
Чтобы достичь этого, ученые вначале создали точную карту «один к одному» нейронов мозга в зрительной области мозга V4 из узлов в вычислительной модели. Они делали это, показывая изображения животным и моделям и сравнивая их ответы на теже самые снимки.
В области V4 миллион нейроны, однако для этого исследования строились карты субпопуляций с 5 — 40 нейронами одновременно.
Человечески мозг перерабатывает информацию даже во время сна
«Как только каждый нейрон получает назначение, модель дает возможность делать прогнозы относительно этого нейрона», говорит ДиКарло.
После ученые решили узнать, могут ли они применять эти прогнозы для контроля активности отдельных нейронов в зрительной коре. Первый вид контроля, который они назвали «растяжением», включает показ изображения, которое выведет активность определенного нейрона далеко за пределы активности, в большинстве случаев вызываемой «естественными» изображениями, вроде тех, что применяются для обучения нейросетей.
Проверки на зверей
Экспериментаторы выявили, что при демонстрации животным подобных «искусственных» изображений, которые делаются моделями и не напоминают натуральные объекты, целевые нейроны реагировали, как и ожидалось. В среднем нейроны проявляли ориентировочно на 40 процентов больше активности в ответ на эти изображения, чем когда им показывали естественные изображения.
Подобного рода контроля никто никогда не достигал прежде.
«То, что им получилось это сделать, необычайно. С точки зрения нейрона словно в его фокусе оказывается его совершенное изображение. Нейрону неожиданно представляют стимул, который он всегда искал», говорит Аарон Батиста, доцент биоинженерии в Университете Питтсбурга, не принимавший участия в исследовании. «Это примечательная идея, и реализовать ее — настоящий подвиг.
Может быть, это самое мощное подтверждение надобности применять искусственные нейронные сети для понимания настоящих нейронных сетей».
Просто вдумайтесь: ученые создали простой (пока) генератор изображений, вызывающих конкретный эффект в мозге животного (пока). В теории — пока только в теории — можно было бы создавать «совершенное» изображение для регулирования гормональных выбросов, создания конкретных воспоминаний, программирования действий человека — так как все это рабочий результат нейронов.
Картинка, которая создана нейросетью, которую никто никогда не видел и представить которую в состоянии только нейросеть, знающая работу внутри мозга, сможет и лечить, и убить.
В похожей серии экспериментов ученые попытались создать изображения, которые максимально «выводили» бы нейрон из себя, в то же время поддерживая активность в соседних нейронах на очень невысоком уровне, что уже намного сложнее. С большинством протестированных нейронов ученые смогли увеличить активность целевого нейрона с меньшим увеличением окружающих нейронов.
«Общая тенденция в нейробиологии такая, что сбор экспериментальных данных и компьютерное моделирование делаются слегка отдельно, что не даёт возможности существенно доказать модель, благодаря этому и нет поддающегося измерению прогресса. Наши усилия возвращают к жизни подход «замкнутого цикла», говорят ученые.
Это важно для успеха построения и тестирования моделей, которые будут похожи на мозг более всего.
h2>Измерение активности нейронов
Ученые также показали, что могут применить собственную модель, чтобы предвещать, как нейроны из области V4 будут реагировать на синтезированные изображения — вроде того, что выше. Большинство предыдущих тестирований модели применяли тот же вид натуралистических изображений, на которых обучалась модель.
Ученые из MIT выявили, что модели с точностью 54% предвещают, как мозг должен реагировать на синтезированные изображения, и с точностью 90% предвещают, как мозг будет реагировать на естественные изображения.
Современная нейрология
«В определенном смысле, мы количественно оцениваем, насколько точны данные модели при прогнозировании за границами области, в которой они были обучены», говорит один из экспериментаторов. «В совершенстве модель должно быть способна точно спрогнозировать отклик, независимо от входного сигнала».
Теперь ученые лелеют надежду увеличить точность моделей, позволив им включать новую информацию, которую они постигают, смотря на синтезированные изображения. В ходе этого исследования это не применялось.
Конкретнее говоря, модели будут учиться по собственным же сгенерированным изображениям.
Подобного рода контроль будет полезным для нейробиологов, которые хотят выучить, как различные нейроны связываются и взаимодействуют между собой. В последующем такой подход потенциально будет полезным для избавления трудностей с настроением, например как депрессия.
В настоящий момент ученые работают над расширением собственной модели до нижней височной (инферотемпоральной) коры, которая питается миндалиной, участвующей в отделке впечатлений.
«Если бы у нас была хорошая модель нейронов, которые задействуют приток впечатлений или вызывают разные варианты расстройств, мы могли бы применять данную модель для управления нейронами так, чтобы помочь сделать легче эти расстройства».
Обговорить это великолепное открытие прямо сегодня можно в нашем чате в Телеграме.
Нейросеть, подключённая к мозгу обезьяны, создала необычные изображения
В новом эксперименте ученые из Гарварда подключили мозг обезьяны к нейронной сети и попытались активизировать отдельные нейроны, ответственные за распознавание лиц.
Обезьяна по имени Ринго сидела в Гарвардской лаборатории потягивая сок, тогда как странные изображения мерцали перед её глазами. Нейронная сеть регистрировала активность её мозга, чтобы создавать новые картины, которые давали еще больший отклик от отдельных нейронов.
В конце концов, нейросеть научились вырабатывать изображения, активирующие отдельные клетки мозга без активации соседних. Окончательные изображения часто были похожи на картины из сюрреалистических вечерних кошмаров, которые смутно напоминали лица или остальные знакомые формы.
Мозг изменяющий себя сам. Нейропластичность Мозга . Часть 1.
Xdream
Алгоритм, именуемый Xdream, сначала создавал серые и бесформенные картины. Однако с годами «из этой дымки что-то начало смотреть на нас», говорит невролог Карлос Понсе. Две черные точки с черной линией под ними на бледном овале, напоминающие абстрактное лицо.
Вскоре рядом с ним возникло красное пятно, и экспериментаторы высказали предположение, что это красный ошейник, который носит обезьяна, живущая в клетке напротив Ринго.
Еще одно размытое изображение, полученное в другой день, было похоже на человека в хирургической маске. Возможно, оно соответствовало женщине по имени Диана, которая ухаживала и кормила обезьян в лаборатории.
Она носит медицинские синие скрабы и белую маску для лица.
TED | Вы можете вырастить новые клетки мозга
«Понравилось, наконец, позволить нейрону сказать нам, что он кодирует, заместо того, чтобы разгадывать это», — сказал Понсе.
Прочие изображения, на которые реагировали нейроны обезьяны, были менее реалистичными и принимали форму самых разных полос и цветных пятен.
Благодаря аналогичным экспериментам учёные узнают больше не только о самом мозге, но и про то, как моделировать его работу. Уже разработано много искусственных нейронных сетей, которые анализируют изображения и распознают объекты, имитируя работу настоящих зрительных центров мозга.
Но насколько их алгоритм похож на работу настоящего мозга? Как раз на данный вопрос и помогают дать ответ аналогичные исследования.
Возможно, скоро мы приоткроем дверь черного ящика, которым считается наш мозг, и хотя биологи насторожено оценивают возможность современных нейросетей моделировать работу мозга, такие работы — это шаг вперед к их улучшению.
Нейросеть создала изображение, способное манипулировать сознанием
Нейрoбиологи Массачусетскoго технoлогического института смогли активирoвать oтдельные нейроны мозга при помощи одного лишь изображения.
Ученые разработали современный способ тoчного управления oтдельными нейронами и их пoпуляциями в середине данной сети мозга. В ходе проверки на зверей профессионалы показали, что информация, полученная из вычислительной модели, позволила им создавать изображения, которые могут влиять на работу мозга.
Аналогичным образом понимание получало информацию, минуя путь осмысления увиденного, пишет Science.
Если объяснять примитивным языком, то создан простой генератор изображений, которые дают возможность контролировать понимание (пока только зверей), а демонстрировать их можно практически везде: по телевизору, в мессенджере, интернете. И это конкретный прорыв в науке, отметил Джеймс ДиКарло, глава oтделения мозга и кoгнитивных наук MIT, старший автор исследoвания.
