如何“看见”？BAYLOR医学院深度神经网络实现预测大脑神经元对图像刺激的反应

从光子撞击视网膜开始，神经元要根据照射到眼睛的光信号，在大脑重建有关世界的相关信息，这个复杂过程并不容易研究。贝勒医学院、Tübingen大学的研究人员建立深度学习的人工神经网络，可以预测大脑神经元对任意视觉刺激的反应，这就为研究打开了一扇窗口。

　　

睁开眼睛就可以立即看到世界——这看起来很简单。但是，整个过程——从光子撞击视网膜开始，到以“看见”结束的过程，远非简单。大脑的基本任务之一 “看见”, 意味着要从照射到眼睛的光信号中在大脑重建有关世界的相关信息。由于此过程相当复杂，因此大脑中的神经细胞——神经元，也会以复杂的方式对图像做出反应。

要用实验的方法来表征大脑对图像响应特征，相当具有挑战性，部分原因是可能的图像数量实在多得“无穷无尽”。过去，开创性见解通常是由大脑神经元“喜欢”的刺激产生的。找到这类刺激取决于科学家的直觉，和很大一部分的运气。

贝勒医学院和德国Tübingen大学的研究人员现在已经开发出一种新的计算方法，可以加快发现这些最佳刺激的速度。他们建立了深层的人工神经网络，可以准确地预测一个生物性大脑对任意视觉刺激产生的神经反应。这些网络可以被视为生物神经元群体的“虚拟化身”，可以用来剖析视觉以及其他感觉的神经机制。研究人员通过合成使特定神经元反应非常强烈的新图像证明了这一点。他们的研究成果今天发表在《Nature Neuroscience》杂志上。

“我们想了解视觉是如何工作的。我们通过开发一个人工神经网络来预测这项研究，该网络可以预测动物看图像时产生的神经活动。如果我们可以建立这种视觉系统的化身，我们就可以在此进行无限制的实验，然后，我们可以回到真实的大脑中测试，使用一种被命名为“初始循环”的方法在真实的大脑中进行测试。”资深作者，贝勒大学布朗科学基金会神经科学教授兼教授Andreas Tolias博士说。

为了使神经网络学习神经元的反应方式，研究人员首先使用最近开发的大型功能成像显微镜Mesoscope记录了大量的大脑活动。

“首先，我们向小鼠展示了约5,000个自然图像，并记录了成千上万个神经元在观察图像时的神经活动，”第一作者，Tübingen大学和Baylor研究院的博士后Edgar Y. Walker博士介绍说，“然后，我们使用这些图像和相应的大脑活动记录来训练一个深层的人工神经网络，以模仿真实的神经元对视觉刺激的反应。”

“为了测试神经网络是否确实学会了像活着的小鼠大脑那样来预测视觉图像的神经反应，我们向这个神经网络展示了此前在学习过程中没有看到的图像，看到它可以高精度地预测生物神经元反应。”共同第一作者Fabian Sinz博士表示，Fabian是贝勒大学神经科学兼职助理教授，Tübingen大学小组负责人。

贝勒大学神经科学与人工智能中心的创始人兼主任Tolias说：“通过这些神经网络进行的实验，揭示了一些我们没有想到的视觉特性。。。例如，我们发现在新皮层的早期处理阶段，某些神经元的最佳刺激是棋盘格或者是锐角，而不是根据该领域现有认知所以为的简单边缘。”

“我们认为这整个框架：拟合高精度人工神经网络、用人工网络进行计算实验（预测）、然后在生理实验中验证所得到的预测，可用于研究神经元如何在大脑中传递信息。这最终将让我们更深入的认识：大脑中复杂的神经生理过程如何实现让我们“看见”的”。

大数据，机器学习，根据学习所得的规律预测——计算机技术越来越深入渗透到生命科学研究领域，前所未有的方法，前所未有的速度，前所未有的规模，将深刻地改变生命科学“实验”的方法和定义，大大加速探索生命科学奥秘的步伐。