突破性人工智能利用大脑数据预测小鼠运动 准确率高达95%

突破性人工智能利用大脑数据预测小鼠运动 准确率高达95% 一种用于预测行为状态的新型"端到端"深度学习方法使用了无需预处理或预先指定特征的全皮层功能成像。该方法由医科学生梶冈武弘(AJIOKA Takehiro)和神户大学高见彻(TAKUMI Toru)领导的团队开发,他们还能确定哪些大脑区域与算法最相关(如图)。提取这些信息的能力为未来开发脑机接口奠定了基础。资料来源:梶冈武弘要制作脑机接口,就必须了解大脑信号和受影响的动作之间的关系。这就是所谓的"神经解码",这一领域的大部分研究都是通过植入大脑的电极来测量脑细胞的电活动。另一方面,功能成像技术,如核磁共振成像或钙成像,可以监测整个大脑,并通过代理数据使活跃的大脑区域清晰可见。其中,钙成像速度更快,空间分辨率更高。但在神经解码工作中,这些数据源仍未得到利用。其中一个特别的障碍是需要对数据进行预处理,如去除噪音或确定感兴趣的区域,因此很难为多种不同行为的神经解码设计出通用的程序。神户大学医科学生 Ajioka Takehiro 利用神经科学家 Takumi Toru 领导的团队的跨学科专业知识解决了这一问题。Ajioka 说:"我们在基于 VR 的小鼠实时成像和运动跟踪系统以及深度学习技术方面的经验,让我们能够探索'端到端'深度学习方法,这意味着它们不需要预处理或预先指定的特征,从而可以评估整个皮层的神经解码信息。他们将两种不同的深度学习算法(一种针对空间模式,一种针对时间模式)结合到小鼠在跑步机上休息或奔跑的全皮层胶片数据中,并训练他们的人工智能模型从皮层图像数据中准确预测小鼠是在移动还是在休息。"神户大学的研究人员在《PLoS 计算生物学》杂志上报告说,他们的模型预测动物真实行为状态的准确率高达 95%,而无需去除噪声或预先定义感兴趣的区域。此外,他们的模型仅凭 0.17 秒的数据就做出了这些准确的预测,这意味着他们可以达到接近实时的速度。而且,这种方法适用于五个不同的个体,这表明该模型可以过滤掉个体特征。然后,神经科学家们通过删除部分数据并观察模型在该状态下的表现,确定图像数据中哪些部分对预测起主要作用。预测结果越差,数据就越重要。梶冈武弘释说:"我们的模型能够识别行为分类的关键皮层区域,这尤其令人兴奋,因为它打开了深度学习技术'黑盒'的盖子。"神户大学团队建立了一种可通用的技术,从整个皮层功能成像数据中识别行为状态,并开发了一种技术来识别预测是基于数据的哪些部分。这项研究为进一步开发能够利用无创脑成像进行近实时行为解码的脑机接口奠定了基础。编译自:ScitechDaily ... PC版: 手机版:

相关推荐

封面图片

AI读取人脑信息准确率高达82%

AI读取人脑信息准确率高达82% 德克萨斯大学奥斯汀分校的神经伦理学家基于 GPT-1 开发了一种语言解码器,可通过人脑的磁共振成像将人类听到的语音、想象的语言与看到的无声电影转化成文字。 研究人员让志愿者们躺在磁共振成像仪中记录大脑活动,同时让他们每人收听16小时的博客,这些博客主要是一些 TED 演讲和脱口秀。再将脑成像信息与故事细节以及AI理解语义关系的能力相结合,研究人员开发了一张大脑应对不同内容做出反应短语的编码图。 结果当志愿者想象「我还没有驾照」这句话时,AI会将之解码为「她甚至还没有开始学开车」;当志愿者观看动画电影《新特尔》中女孩照顾小龙的片段时,AI也会根据大脑信息将之转换成文字。 研究人员还发现,这项技术很容易被欺骗,当参与者听着故事录音却想着其它故事时,解码器无法确定他们听到的是什么词,比如内心数数字和罗列动物。并且编码图也因人而异,这意味着研究人员无法创建一种适用于所有人的解码器。

封面图片

人工智能预测果蝇行为已拥有惊人准确度

人工智能预测果蝇行为已拥有惊人准确度 考利的研究小组记录了果蝇在培养皿中一系列"约会"的求偶过程,跟踪雄蝇(蓝色)看到雌蝇(红色)时的行为反应。放置在"竞技场"下方的微型麦克风捕捉到了雄性果蝇拍打翅膀发出的歌声。图片来源:考利实验室/冷泉港实验室现在,冷泉港实验室(CSHL)的一位年轻科学家发现了一条重要线索,揭示了这一原理。他是通过建立一个普通果蝇大脑的特殊人工智能模型来做到这一点的。观看雄果蝇(蓝色)向雌果蝇(红色)求爱。相应的动画捕捉了雄果蝇的视角。资料来源:CSHL人工智能与果蝇行为CSHL助理教授本杰明-考利(Benjamin Cowley)和他的团队通过一种他们开发的名为"淘汰训练"的技术训练了他们的人工智能模型。首先,他们记录了雄果蝇的求偶行为追逐雌果蝇并向其唱歌。接下来,他们从基因上沉默了雄果蝇体内特定类型的视觉神经元,并训练人工智能检测行为的任何变化。通过用多种不同类型的视觉神经元重复这一过程,他们能够让人工智能准确预测真正的果蝇在看到雌果蝇时会做出怎样的反应。考利说:"我们实际上可以通过计算预测神经活动,并询问特定神经元如何对行为做出影响,这是我们以前无法做到的。"解码神经通路通过新的人工智能,考利的团队发现果蝇大脑使用"群体代码"来处理视觉数据。果蝇的行为需要许多神经元的组合,而不是像以前假设的那样,一种神经元类型将每个视觉特征与一个动作联系起来。这些神经通路的图表看起来就像一张极其复杂的地铁图,需要数年时间才能破解。尽管如此,它还是让我们找到了我们需要去的地方。它让考利的人工智能能够预测现实生活中的果蝇在受到视觉刺激时的行为。有了这个示意图,考利的团队现在就可以把注意力转移到研究他们的人工智能模型上,而不用在真正的果蝇身上进行昂贵的实验了。图片来源:考利实验室/冷泉港实验室对人类大脑研究的影响这是否意味着人工智能有一天可以预测人类行为?没那么快。果蝇的大脑包含大约 10 万个神经元。而人脑有近 1000 亿个神经元。考利在提到地铁图时说:"小小的果蝇就已经是这样,你可以想象我们人类的视觉系统是什么样的。"尽管如此,考利仍希望他的人工智能模型有朝一日能帮助我们解码人类视觉系统的基础计算。他说:"这将是持续几十年的工作。但如果我们能搞清楚这个问题,通过学习[苍蝇]的计算,我们可以建立一个更好的人工视觉系统。更重要的是,我们将更详细地了解视觉系统的紊乱"。至于好了多少,我们必须亲眼目睹才能相信。编译来源:ScitechDaily ... PC版: 手机版:

封面图片

科学家发现婴儿大脑与人工智能模型惊人相似

科学家发现婴儿大脑与人工智能模型惊人相似 与许多动物相比,人类在出生后很长一段时间内都是无助的。许多动物,如马和鸡,出生当天就能行走。这种漫长的无助期使人类婴儿处于危险之中,也给父母带来了巨大的负担,但令人惊讶的是,这种无助期却经受住了进化的压力。跨物种研究的启示"自 20 世纪 60 年代起,科学家们就认为人类婴儿表现出的无助感是由于出生时的限制造成的。他们认为,人类婴儿头大,必须早产,导致大脑发育不成熟,无助期长达一岁。"认知神经科学教授、论文第一作者罗德里-库萨克(Rhodri Cusack)教授解释说。研究团队由库萨克教授、美国奥本大学克里斯蒂娜-查韦特教授和 DeepMind 高级人工智能研究员 Marc'Aurelio Ranzato 博士组成,库萨克教授利用神经成像技术测量婴儿大脑和心智的发育情况;克里斯蒂娜-查韦特教授负责比较不同物种的大脑发育情况;DeepMind 高级人工智能研究员 Marc'Aurelio Ranzato 博士负责比较不同物种的大脑发育情况。"我们的研究比较了不同动物物种的大脑发育情况。它借鉴了一个长期项目时间转换"(Translating Time),该项目将不同物种的相应年龄等同起来,从而确定人类大脑在出生时比许多其他物种更加成熟。"研究人员利用脑成像技术发现,人类婴儿大脑中的许多系统已经开始运作,并能处理来自感官的丰富信息流。这与人们长期以来认为婴儿大脑的许多系统尚未发育成熟,无法发挥作用的观点相矛盾。研究小组随后将人类的学习与最新的机器学习模型进行了比较,在后者中,深度神经网络受益于"无助"的预训练期。在过去,人工智能模型是直接根据所需的任务进行训练的,例如训练自动驾驶汽车识别它们在道路上看到的东西。但现在,模型最初都是经过预先训练,以便在海量数据中发现模式,而不执行任何重要任务。由此产生的基础模型随后用于学习特定任务。研究发现,这种方法最终会加快新任务的学习速度,并提高性能。对未来人工智能发展的影响"我们提出,人类婴儿也同样利用婴儿期的'无助'期进行预训练,学习强大的基础模型,并在以后的生活中以高性能和快速泛化来支撑认知。这与近年来在生成式人工智能领域取得重大突破的强大机器学习模型非常相似,例如OpenAI的ChatGPT或Google的Gemini,"库萨克教授解释道。研究人员表示,未来对婴儿学习方式的研究很可能会启发下一代人工智能模型。"虽然人工智能取得了重大突破,但基础模型比婴儿消耗大量能源,需要的数据也多得多。了解婴儿是如何学习的,可能会对下一代人工智能模型有所启发。"他最后说:"下一步的研究将是直接比较大脑和人工智能的学习情况。"编译自/scitechdailyDOI: 10.1016/j.tics.2024.05.001 ... PC版: 手机版:

封面图片

UCLA最新研究:反复练习能显著增强大脑记忆通路

UCLA最新研究:反复练习能显著增强大脑记忆通路 访问:NordVPN 立减 75% + 外加 3 个月时长 另有NordPass密码管理器 为了验证这一点,研究人员让小鼠在两周时间内辨别并回忆一连串气味。然后,研究人员使用一种新颖的定制显微镜跟踪动物在练习任务时的神经活动,这种显微镜可以同时对整个大脑皮层多达73000个神经元的细胞活动进行成像。研究显示,随着小鼠不断重复执行任务,位于次级运动皮层的工作记忆回路发生了转变。小鼠刚开始学习任务时,记忆表征并不稳定。然而,在反复练习任务后,记忆模式开始固化或"水晶化",该研究的通讯作者、加州大学洛杉矶分校医疗中心神经学家佩曼-戈尔沙尼博士介绍说。戈尔沙尼说:"如果想象大脑中的每个神经元都在发出不同的音符,那么大脑在执行任务时产生的旋律每天都在变化,但随着动物不断练习这项任务,旋律会变得越来越精炼和相似。"这些变化让我们了解到,为什么在反复练习之后,表现会变得更加准确和自动。这一见解不仅促进了我们对学习和记忆的理解,而且对解决记忆相关疾病也有意义。编译来源:ScitechDaily参考文献:《挥发性工作记忆表征随着练习而结晶》DOI: 10.1038/s41586-024-07425-w ... PC版: 手机版:

封面图片

中国自研脑机接口“北脑二号”问世:已植入猕猴大脑 达世界领先水平

中国自研脑机接口“北脑二号”问世:已植入猕猴大脑 达世界领先水平 在动物实验中,在颅内植入一片牵着柔软细丝的小小薄膜,绑住双手的猴子就能仅用“意念”控制机械臂,抓住“草莓”。据介绍,与半侵入式采集脑皮层电信号的“北脑一号”系统不同,此次发布的“北脑二号”对标国际脑机接口领域最新进展。它采用侵入式采集单神经元电信号,将电极植入猕猴大脑,大幅提升信号采集与解码的精准性。“北脑二号”的高性能,归功于我国自研的3个核心组件:高通量柔性微丝电极、千通道高速神经电信号采集设备两个硬件,以及基于前馈控制策略的生成式神经解码算法。自主研发的1024通道柔性微丝电极生物相容性极高,具有和大脑组织接近的机械特性和极高的时空分辨率,在猕猴颅内稳定植入将近一年,可同时记录500-600个单细胞(single-unit)亚毫秒精度的数据。“北脑二号”应用的算法也是国内自研,能在大脑皮层神经活动与运动参数之间建立精确映射。而且通道数、信噪比、长期稳定性等主要技术指标均达到世界领先水平,解决了大规模单细胞信号长期稳定记录和实时解码的国际前沿难题。“北脑二号”的千通道高速神经电信号采集设备 ... PC版: 手机版:

封面图片

科学家绘制人类大脑一小部分的高分辨率地图

科学家绘制人类大脑一小部分的高分辨率地图 根据发表在《》期刊上的一项研究,哈佛和 Google 的科学家绘制出人类大脑一小部分的高分辨率 3D 地图。图谱揭示了脑细胞神经元之间的新连接模式,以及围绕自身形成结的细胞,以及几乎互为镜像的成对神经元。3D 地图覆盖了大约一立方毫米的体积,是整个大脑的百万分之一,包含了大约 57,000 个细胞和 1.5 亿个突触。它包含了 1.4 pb 的庞大数据。这块大脑碎片取自一名 45 岁的女性,当时她正在接受治疗癫痫的手术。它来自大脑皮层,这是大脑中负责学习、解决问题和处理感官信号的部分。样品浸泡在防腐剂中,并用重金属染色,使细胞更容易被看到。研究人员将样本切成大约 5000 片每片只有 34 纳米厚可以用电子显微镜成像。他们建立了 AI 模型,能将显微镜图像拼接在一起,以 3D 方式重建整个样本。来源 , 频道:@kejiqu 群组:@kejiquchat

🔍 发送关键词来寻找群组、频道或视频。

启动SOSO机器人