如何“看見”？科學家預測大腦神經元對圖像刺激的反應

　　睜開眼睛就可以立即看到世界——這看起來很簡單。但是，整個過程——從光子撞擊視網膜開始，到以“看見”結束的過程，遠非簡單。大腦的基本任務之一 “看見”, 意味著要從照射到眼睛的光信號中在大腦重建有關世界的相關信息。由于此過程相當復雜，因此大腦中的神經細胞——神經元，也會以復雜的方式對圖像做出反應。

　　要用實驗的方法來表征大腦對圖像響應特征，相當具有挑戰性，部分原因是可能的圖像數量實在多得“無窮無盡”。過去，開創性見解通常是由大腦神經元“喜歡”的刺激產生的。找到這類刺激取決于科學家的直覺，和很大一部分的運氣。

　　貝勒醫學院和德國Tübingen大學的研究人員現在已經開發出一種新的計算方法，可以加快發現這些最佳刺激的速度。他們建立了深層的人工神經網絡，可以準確地預測一個生物性大腦對任意視覺刺激產生的神經反應。這些網絡可以被視為生物神經元群體的“虛擬化身”，可以用來剖析視覺以及其他感覺的神經機制。研究人員通過合成使特定神經元反應非常強烈的新圖像證明了這一點。他們的研究成果今天發表在《Nature Neuroscience》雜志上。

　　“我們想了解視覺是如何工作的。我們通過開發一個人工神經網絡來預測這項研究，該網絡可以預測動物看圖像時產生的神經活動。如果我們可以建立這種視覺系統的化身，我們就可以在此進行無限制的實驗，然后，我們可以回到真實的大腦中測試，使用一種被命名為“初始循環”的方法在真實的大腦中進行測試。”資深作者，貝勒大學布朗科學基金會神經科學教授兼教授Andreas Tolias博士說。

　　為了使神經網絡學習神經元的反應方式，研究人員首先使用最近開發的大型功能成像顯微鏡Mesoscope記錄了大量的大腦活動。

　　“首先，我們向小鼠展示了約5,000個自然圖像，并記錄了成千上萬個神經元在觀察圖像時的神經活動，”第一作者，Tübingen大學和Baylor研究院的博士后Edgar Y. Walker博士介紹說，“然后，我們使用這些圖像和相應的大腦活動記錄來訓練一個深層的人工神經網絡，以模仿真實的神經元對視覺刺激的反應。”

　　“為了測試神經網絡是否確實學會了像活著的小鼠大腦那樣來預測視覺圖像的神經反應，我們向這個神經網絡展示了此前在學習過程中沒有看到的圖像，看到它可以高精度地預測生物神經元反應。”共同第一作者Fabian Sinz博士表示，Fabian是貝勒大學神經科學兼職助理教授，Tübingen大學小組負責人。

　　貝勒大學神經科學與人工智能中心的創始人兼主任Tolias說：“通過這些神經網絡進行的實驗，揭示了一些我們沒有想到的視覺特性。。。例如，我們發現在新皮層的早期處理階段，某些神經元的最佳刺激是棋盤格或者是銳角，而不是根據該領域現有認知所以為的簡單邊緣。”

　　“我們認為這整個框架：擬合高精度人工神經網絡、用人工網絡進行計算實驗（預測）、然后在生理實驗中驗證所得到的預測，可用于研究神經元如何在大腦中傳遞信息。這最終將讓我們更深入的認識：大腦中復雜的神經生理過程如何實現讓我們“看見”的”。

　　大數據，機器學習，根據學習所得的規律預測——計算機技術越來越深入滲透到生命科學研究領域，前所未有的方法，前所未有的速度，前所未有的規模，將深刻地改變生命科學“實驗”的方法和定義，大大加速探索生命科學奧秘的步伐。