2020年11月24日

人工智能帮助科学家理解思想背后的大脑活动

由贝勒医学院和赖斯大学的研究人员领导的一个团队开发了人工智能(AI)模型,以帮助他们更好地理解作为思想基础的大脑计算。这是新的,因为到目前为止,还没有衡量思想的方法。研究人员首先开发了一种可以通过评估行为来估计思想的新模型,然后在受过训练的人工大脑上测试了他们的模型,在那里他们发现了与思想估计相关的神经活动。理论研究出现在 美国国家科学院院刊。

“几个世纪以来,神经科学家一直在研究如何 通过将大脑活动与输入和输出相关联来起作用。例如,在研究运动神经科学时,科学家会测量肌肉运动以及神经元活动,然后将这两个测量结果联系起来。”贝勒大学神经科学和莱斯大学电气与计算机工程学助理教授Xaq Pitkow博士说“但是,要研究大脑中的认知,我们没有任何东西可以比较测得的 至。”

了解大脑如何产生 ,研究人员首先需要衡量一个想法。他们开发了一种称为“逆理性控制”的方法,该方法着眼于 并推断出最能解释该行为的信念或思想。

传统上,该领域的研究人员一直以动物能够最佳地完成任务的方式工作,其行为方式可以最大程度地发挥其净收益。但是当科学家研究动物行为时,他们发现情况并非总是如此。

“有时候,动物对周围环境的状况有'错误'的信念或假设,但鉴于他们认为周围的状况,他们仍然试图为自己的任务找到最佳的长期结果。这可以解释为什么动物皮特科夫(Pitkow)也是贝勒公司(Baylor)的麦克奈尔学者,贝勒尔神经科学和人工智能中心联合主任,莱斯神经工程计划的成员。

例如,考虑一种正在狩猎并且听到许多与猎物相关的噪音的动物。如果一个潜在的猎物正在制造所有的噪音,那么猎人的最佳行为就是将其移动始终针对单个噪音。如果猎人错误地认为噪音来自许多不同的地方 ,它可能会选择次优的行为,例如不断扫描周围的环境以尝试找出其中之一。通过根据其信念或假设在附近有许多潜在的猎物来行动,猎人的行为方式既是“理性的”又是“次优的”。

在工作的第二部分中,Pitkow和他的同事开发了一个模型,用于将使用逆理性控制方法识别的思想与 .

“我们可以研究建模思想的动力学以及大脑对这些思想的表征的动力学。如果这些动力学相互平行运行,那么我们有信心我们正在捕获与这些思想有关的大脑计算的各个方面。 ”,皮特科说。 “通过提供估计思想和解释与之相关的神经活动的方法,这项研究可以帮助科学家理解大脑如何产生复杂的行为,并为神经学状况提供新的观点。”



更多信息: Wu Zhengwei Wu等人,《神经代码中的理性思想》, 美国国家科学院院刊 (2020)。 DOI:10.1073 / pnas.1912336117
Provided by 贝勒医学院
引文: 人工智能帮助科学家理解思想背后的大脑活动(2020年11月24日) 2020年11月24日检索 from //xasqxhb.com/news/2020-11-ai-scientists-brain-thoughts.html
本文件受版权保护。除了出于私下学习或研究目的进行的任何公平交易外, 未经书面许可,不得复制部分内容。内容仅供参考。

用户评论