哈佛医学院学者用AI设计生成的图像刺激猴子，神经元偏爱的画风有点“谜”

随着人工神经网络的发展，真实大脑的运行奥秘正在被破解。近日，在顶尖学术期刊《细胞》最新上线的一篇论文中，哈佛医学院的一组科学家利用AI对大脑识别图像的经典问题进行了创新探索。研究者用AI设计生成的图像刺激猴子大脑中负责识别面部的神经元。没想到，神经元偏爱的画风有点“谜”。

过去，为了找出视觉中枢的神经元对什么样的信号有特异性反应，研究人员会找一些图像呈现给被试，比如明星写真，同时比较所记录的神经元对什么样的图像有更强烈的反应。但通过这种方式，我们只能知道神经元在有限的图像中相对更爱哪一种，毕竟不可能无穷无尽地给病人或动物看遍大千世界。

而此次研究的共同第一作者Carlos Ponce博士和Will Xiao博士等人设计了一种巧妙的算法工具，根据神经元的实时反馈，迅速调整图像，从头合成出最受神经元偏爱的图像。

▲根据发放强度的反馈合成神经元喜爱的图像

实验中，研究人员把电极插入猴子的高级视觉中枢下颞叶。这个区域对于物体识别很重要，人的下颞叶如果受损，可能会失去识别人脸和物体的能力。因此，这类神经元会对什么样的图像信号有强烈反应，可以帮助科学家理解大脑是如何识别外部世界的。

接着，研究人员给猴子展示了由AI提供的画面。一开始，图像只是一些模糊的灰色视觉噪声。但很快，AI会创建新的图像。将预先训练的生成式深度神经网络与响应神经元应答的遗传算法相结合，几分钟的时间里，图像通过上百次变形、组合等演变，最后得到的新图像成功让猴子视觉皮层神经元达到最强的放电。

▲单个选择性神经元演化得到的合成图像

这项算法被称为XDREAM。用第一作者Ponce博士的话说，“假如细胞在做梦，（这些图像）就是细胞梦到的景象。”

那么，细胞的“梦境”长什么样呢？要不是AI画了出来，还真是没法想象。多次重复实验得到的研究结果显示了数百张奇怪的抽象画。有的可以模模糊糊看出像猴子或是戴着面具的看护人，还有一些则很难从现实世界的物体找出对应。用美国国家眼科研究所的神经科学家Bevil Conway博士的话说，“让人联想到毕加索或培根的肖像画”。

进一步与自然图像相比的结果显示，同一个神经元尽管也在各种自然图片中偏爱真实的猴子面部，但还是在面对AI合成的扭曲抽象图时更加“激动”。

▲第一排是三次独立演化得到的三张合成图，第二排是同一个神经元在2000多张自然图像中最偏爱的10张，第三排是最不喜欢的10张自然图像

为什么猴子更喜欢抽象的图像，这个问题目前还是个谜。指导这项研究的神经生物学家Margaret Livinstone教授猜测，一种可能性是，神经元识别面部的工作方式类似于漫画家，把注意力集中在极端的特征上，从而对夸张的特征更有反应，提高识别效率。

不过有一点很清楚，神经元偏爱的刺激一定是通过经验学习的，毕竟猴子不可能自己进化出一种细胞专门编码穿戴防护服的看护人。

▲该研究通讯作者Margaret Livinstone教授

接下来，研究者希望可以获得接受手术的癫痫患者的同意，在人类的大脑上测试这种方法，“那么，我们就能了解人类大脑中的神经元想要什么了。”Livinsgtone教授说。

也许不久以后也可以看到自己脑中的神经元在做什么梦了呢！

关于人工神经网络

人工神经网络（Artificial Neural Network，即ANN ），是20世纪80 年代以来人工智能领域兴起的研究热点。它从信息处理角度对人脑神经元网络进行抽象， 建立某种简单模型，按不同的连接方式组成不同的网络。在工程与学术界也常直接简称为神经网络或类神经网络。神经网络是一种运算模型，由大量的节点（或称神经元）之间相互联接构成。每个节点代表一种特定的输出函数，称为激励函数（activation function）。每两个节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重，这相当于人工神经网络的记忆。网络的输出则依网络的连接方式，权重值和激励函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近，也可能是对一种逻辑策略的表达。

最近十多年来，人工神经网络的研究工作不断深入，已经取得了很大的进展，其在模式识别、智能机器人、自动控制、预测估计、生物、医学、经济等领域已成功地解决了许多现代计算机难以解决的实际问题，表现出了良好的智能特性。