AI onthult waar neuronen in het visuele systeem van de hersenen het liefst naar kijken

• Onderzoekers ontwikkelen een op AI gebaseerd model dat waardevolle signalen genereert om betrouwbaar te bepalen waar neuronen het liefst naar kijken.
• Het model maakt gebruik van een generatief diep neuraal netwerk en een genetisch algoritme genaamd XDREAM.

Al meer dan 5 decennia weten wetenschappers dat neuronen in de visuele cortex niet gelijk reageren op verschillende afbeeldingen. Dit zorgt ervoor dat dieren grote hoeveelheden visuele aanwijzingen om hen heen herkennen, begrijpen en interpreteren.

Bijvoorbeeld, bepaalde visuele neuronen in het hersengebied, de inferieure temporale cortex genoemd, vuren meer wanneer dieren naar tekst, objecten, plaatsen of gezichten kijken. Wetenschappers begrijpen echter nog steeds niet precies waar deze neuronen op reageren.

Onlangs heeft een team van onderzoekers van de Harvard Medical School een model voor kunstmatige intelligentie (AI) ontwikkeld dat waardevolle signalen genereert om op betrouwbare wijze te bepalen waar neuronen het liefst naar kijken.

De experimenten die tot nu toe zijn uitgevoerd, probeerden neuronale voorkeuren te analyseren met behulp van echte afbeeldingen. Deze afbeeldingen kunnen inherent bevooroordeeld zijn vanwege de twee belangrijkste redenen:ze vertegenwoordigen alleen scènes uit de echte wereld en ze worden door mensen gekozen voor tests. Het nieuwe model lost dit probleem op door synthetische afbeeldingen te genereren die zijn aangepast aan de voorkeur van individuele neuronen.

Het experiment

Het team legde neurale reacties vast van 6 makaken en voerde deze aan het op AI gebaseerde model. Het model mat de vuursnelheid van elk van de visuele neuronen in de hersenen en genereerde zelfaanpassende beelden.

Apen kregen deze synthetische beelden een paar uur te zien in blips van 0,1 seconde. De eerste afbeelding was een willekeurig textuurpatroon in grijstinten. De AI introduceerde langzaam kleuren en vormen op basis van neurale reacties. Het uiteindelijke beeld werd veranderd in iets dat de voorkeur van een neuron volledig belichaamde.

Deze op AI gebaseerde benadering maakt gebruik van een generatief diep neuraal netwerk en een genetisch algoritme genaamd XDREAM, dat specifiek door onderzoekers is ontworpen om de evolutie van een nieuw, synthetisch beeld te begeleiden.

Referentie:cel | DOI:10.1016/j.cell.2019.04.005 | De Harvard Gazette

De AI was in staat om aan het einde van elk experiment superstimulus voor neuronen te genereren. De resultaten van alle experimenten waren redelijk consistent. Veel neuronen ontwikkelden afbeeldingen via de AI die niet identiek waren, maar uitzonderlijk veel op elkaar leken.

Sommige beelden voldeden aan de verwachtingen van de onderzoekers. Zo ontwikkelde een neuron dat naar verwachting op gezichten reageert, ronde roze afbeeldingen met twee donkere vlekken die op ogen lijken.

Natuurlijke afbeeldingen versus afbeeldingen die zijn ontwikkeld door neuronen in de inferotemporale cortex van de aap | Met dank aan onderzoekers 

Sommige resultaten waren verbluffend. Een van de neuronen van de aap produceerde bijvoorbeeld consequent foto's van het lichaam van een aap met een rode vlek rond zijn nek. Het team ontdekte uiteindelijk dat deze aap opgroeide met de andere die een rode halsband droeg.

Niet alle uiteindelijke afbeeldingen waren echter logisch:het neuron van de ene aap produceerde een amorfe donkere vorm, terwijl een ander een klein zwart vierkantje ontwikkelde.

Wat nu?

Volgens de onderzoekers zijn de reacties van deze neuronen niet natuurlijk, maar het resultaat van continue blootstelling aan visuele stimuli gedurende een bepaalde periode. Hoe neuronen deze beelden precies produceren, is nog onbekend. Het team is van plan deze vraag in hun volgende onderzoek te beantwoorden.

Lezen:Het veranderen van hersenneuronen kan het natuurlijke snijwerk voor zoet verwijderen

Door te leren hoe de visuele cortex op bepaalde afbeeldingen reageert, kunnen wetenschappers het mechanisme dat cognitieve gerelateerde ziekten veroorzaakt, waaronder autismespectrumstoornissen en leerstoornissen, beter begrijpen.