仅根据大脑信号就可以重建某人所看到的东西，是不是听着很科幻？
最近瑞士洛桑联邦理工学院(EPFL)的研究人员已经在这个方向上取得了非常重要的进步。
他们在Nature上的一项研究中，提出了一种名为CEBRA的最新算法，用于构建人工神经网络模型，以令人印象深刻的精度捕捉大脑动态，实现AI读脑。
借助CEBRA算法，研究人员重现了老鼠眼中的电影世界。
如何重现？
具体来说，首先是获取大脑信号。研究人员让50只小鼠观看一段长30秒的黑白电影剪辑片段，研究人员直接通过插入小鼠大脑视觉皮层区域的电极探针测量大脑活动来收集小鼠的神经元活动信号，或者使用由转基因小鼠组成的光学探针来获得大脑信号。
在训练期间，CEBRA学会了将大脑活动映射到特定的帧。考虑到在小鼠的大脑中，这个区域由大约50万个神经元组成，CEBRA在视觉皮层中只有不到1%的神经元表现良好。
CEBRA从原始神经数据中学到的信息可以在训练后通过解码进行测试——这是一种用于脑机接口(BMI)的方法——他们已经证明，他们可以从模型中解码老鼠在看电影时看到的东西。
当然，研究人员表示CEBRA并不局限于视觉皮层神经元，甚至大脑数据。他们的研究还表明，CEBRA算法可以用来预测灵长类动物手臂的运动，并重建小鼠在竞技场自由奔跑时的位置。
EPFL的Bertarelli综合神经科学主席Mackenzie Mathis表示:“这项工作只是神经技术中实现高性能BMI所需的理论支持算法的一步。”
将CEBRA应用于小鼠初级视觉皮层
为了学习小鼠视觉系统中潜在的(即隐藏的)结构，CEBRA可以在最初的训练阶段将大脑信号和电影特征映射后，直接从大脑信号中预测未见的电影帧。
Mathis解释说:“具体来说，CEBRA是基于对比学习，这是一种学习高维数据如何被安排或嵌入到一个被称为潜在空间的低维空间中的技术，这样类似的数据点就会靠近，而更多不同的数据点则会远离。”“这种嵌入可以用来推断数据中隐藏的关系和结构。它使研究人员能够共同考虑神经数据和行为标签，包括测量的动作，抽象标签，如“奖励”，或感官特征，如图像的颜色或纹理。
“与其他算法相比，CEBRA在重建合成数据方面表现出色，这对比较算法至关重要，”该论文一斯蒂芬·施耐德(Steffen Schneider)说。“它的优势还在于它能够将不同模式的数据结合起来，比如电影特征和大脑数据，它有助于限制细微差别，比如取决于数据收集方式的数据变化。”
研究人员表示，“CEBRA的目标是揭示复杂系统中的结构。考虑到大脑是宇宙中最复杂的结构，它是CEBRA的终极测试空间。它还可以让我们深入了解大脑是如何处理信息的，并且可以通过结合动物甚至物种的数据来发现神经科学的新原理。”
这种算法并不局限于神经科学研究，因为它可以应用于许多涉及时间或联合信息的数据集，包括动物行为和基因表达数据。因此，潜在的临床应用是令人兴奋的。
参考来源：
—— End ——
仅用于学术分享，若侵权请留言，即时删侵！
更多阅读
加入社群 欢迎加入脑机接口社区交流群， 探讨脑机接口领域话题，实时跟踪脑机接口前沿。 加微信群：
联系客服
