用机器学习解码大脑如何工作


尽管我们对大脑的理解有了相当大的进步,但我们的知识仍然有些不完整,尤其是在我们想象大脑如何让我们的身体实现其愿望的能力方面。

最近的study来自芝加哥西北大学的研究人员使用机器学习来阐明这个问题。该项目的核心是理解信息沿神经纤维传播时出现的电压尖峰模式。这提供了大脑如何控制肌肉运动的信息。

为了获得更好的理解,研究小组训练了一群猴子,让它们用电脑鼠标在屏幕上向目标移动光标。每只猴子都被绑在能够测量其神经元活动的装置上——不管是在初级运动皮层、背侧运动前皮层还是初级体感皮层。

解码大脑

该团队为完成这项工作开发的机器学习算法旨在分析每次测试中鼠标光标移动的水平和垂直距离,纯粹是通过查看神经学数据。

该团队开发了许多不同的算法进行测试,从基于标准统计的算法到基于机器学习的方法,如长短期记忆网络。

和大多数基于机器学习的系统一样,输入的数据越多,性能就越好。这个也没什么不同。当分析各种算法的结果时,基于人工智能的算法确实表现得很好。

作者解释说:“例如,对于所有三个大脑区域,一个长短期记忆网络解码器解释了维纳滤波器超过40%的无法解释的方差。”“这些结果表明,现代机器学习技术应该成为神经解码的标准方法。”

除了表现如此出色之外,这项工作的另一个令人愉快的方面是,它甚至没有一个庞大的数据集可供使用。事实上,该团队故意让算法缺乏数据,以观察它在缺乏数据的情况下表现如何。他们相信他们设计系统的方式有助于提高效率。

他们说:“我们的网络具有大约10万个参数,而用于图像分类的普通网络可以具有大约1亿个参数。”

希望其他人将在这项工作的基础上继续努力,通过将代码捐赠给世界,使这项工作成为可能,这样它既可以部署在其他(更大的)数据集上,也可以被其他团队改进。

这项工作对假肢等领域至关重要,因此这是一项引人入胜的工作,也是对该领域的重要贡献。