Nature：创建了一个视觉皮层的人工智能模型

在一项新的研究中，研究人员创建了一个小鼠视觉皮层的人工智能模型，可以预测神经元对视觉图像的反应。

　　

就像飞行员在飞行模拟器中练习飞行一样，科学家们可能很快就能在真实的模拟小鼠大脑上进行实验。在一项新的研究中，斯坦福大学医学院的研究人员和合作者使用人工智能模型构建了小鼠大脑中处理视觉信息部分的“数字双胞胎”。

这对“数字双胞胎”是在大数据集上训练的，这些数据集是在真实的小鼠观看电影片段时从它们的视觉皮层收集的。然后，它可以预测数以万计的神经元对新视频和图像的反应。

数字双胞胎可以使研究大脑内部运作更容易、更有效。

“如果你建立了一个非常精确的大脑模型，那就意味着你可以做更多的实验，”斯坦福大学眼科医学教授安德烈亚斯·托利亚斯博士说，他是4月10日发表在《自然》杂志上的这项研究的资深作者。“最有希望的那些，你可以在真正的大脑中进行测试。”

该研究的主要作者是贝勒医学院的医科学生埃里克·王博士。

超越培训分布

以前的人工智能视觉皮层模型只能模拟大脑对训练数据中看到的刺激类型的反应，而新模型不同，它可以预测大脑对各种新视觉输入的反应。它甚至可以推测出每个神经元的解剖特征。

新模型是基础模型的一个例子，基础模型是一类相对较新的人工智能模型，能够从大型数据集中学习，然后将这些知识应用于新任务和新类型的数据，或者研究人员称之为“训练分布之外的泛化”。

（ChatGPT是一个熟悉的基础模型的例子，它可以从大量的文本中学习，然后理解并生成新的文本。）

托利亚斯说：“在许多方面，智力的种子是强大的概括能力。最终目标——圣杯——是推广到你的训练分布之外的场景。”

小鼠的电影

为了训练新的人工智能模型，研究人员首先记录了真正的小鼠在观看电影时的大脑活动——为人类制作的电影。理想情况下，这些影片将近似于小鼠在自然环境中可能看到的东西。

托利亚斯说：“很难为小鼠制作一部现实主义电影，因为没有人为小鼠制作好莱坞电影。”但动作电影已经足够接近了。

小鼠的视觉分辨率很低，类似于我们的周边视觉，这意味着它们主要看到的是运动而不是细节或颜色。托利亚斯说：“小鼠喜欢运动，这能强烈激活它们的视觉系统，所以我们给它们看了很多动作场面的电影。”

在许多短时间的观看过程中，研究人员记录了八只老鼠观看动作电影片段（如《疯狂的麦克斯》）900多分钟的大脑活动。摄像机监控着他们的眼球运动和行为。

研究人员使用汇总的数据来训练一个核心模型，然后经过一点额外的训练，可以将其定制为任何一只老鼠的数字双胞胎。

准确的预测

这些数字双胞胎能够密切模拟他们的生物对应物对各种新的视觉刺激（包括视频和静态图像）的神经活动。托利亚斯说，大量的综合训练数据是数字双胞胎成功的关键。“它们的准确性令人印象深刻，因为它们是在如此大的数据集上训练的。”

虽然只对神经活动进行训练，但新模型可以推广到其他类型的数据。

一只特定小鼠的数字双胞胎能够预测视觉皮层中数千个神经元的解剖位置和细胞类型，以及这些神经元之间的连接。

研究人员通过对小鼠视觉皮层的高分辨率电子显微镜成像验证了这些预测，这是一个更大的项目的一部分，该项目旨在以前所未有的细节绘制老鼠视觉皮层的结构和功能。这个被称为MICrONS的项目的成果同时发表在《自然》杂志上。

打开黑匣子

因为数字双胞胎可以比老鼠的寿命长得多，科学家们可以在基本上相同的动物身上进行几乎无限次的实验。原本需要数年时间的实验可以在数小时内完成，数百万个实验可以同时进行，加快了对大脑如何处理信息和智力原理的研究。

托利亚斯说：“可以说，我们正试图打开黑匣子，在单个神经元或神经元群体的层面上理解大脑，以及它们如何协同工作来编码信息。”

事实上，新的模型已经产生了新的见解。在另一项同时发表在《自然》杂志上的相关研究中，研究人员使用数字双胞胎来发现视觉皮层中的神经元如何选择与之形成连接的其他神经元。

科学家们已经知道，类似的神经元倾向于形成联系，就像人们形成友谊一样。数字双胞胎揭示了哪些相似之处最重要。神经元更倾向于与对相同刺激（例如蓝色）做出反应的神经元连接，而不是与对同一视觉空间区域做出反应的神经元连接。

托利亚斯说：“这就像有人根据自己的喜好选择朋友，而不是根据他们在哪里。”“我们了解了大脑如何组织的更精确规则。”

研究人员计划将他们的模型扩展到其他大脑区域和动物身上，包括具有更高级认知能力的灵长类动物。

托利亚斯说：“最终，我相信有可能制造出至少部分人脑的数字双胞胎。”“这只是冰山一角。”

来自G?ttingen大学和艾伦脑科学研究所的研究人员对这项工作做出了贡献。

Nature：Foundation model of neural activity predicts response to new stimulus types