1. 首页 >人工智能 > 正文

神经通路对于灵长类动物成功快速识别目标至关重要

导读 灵长类动物中快速视觉对象处理所必需的通过前额叶皮层的循环处理为开发类似于大脑的人工智能提供了关键见解。麻省理工学院的研究人员已经确

灵长类动物中快速视觉对象处理所必需的通过前额叶皮层的循环处理为开发类似于大脑的人工智能提供了关键见解。麻省理工学院的研究人员已经确定了一条大脑通路,对于使灵长类动物能够轻松识别其视野中的物体至关重要。这些发现丰富了视觉感知中涉及的神经电路的现有模型,并有助于进一步阐明用于解决灵长类动物大脑识别对象的计算代码。

由麦戈文脑科学研究所和脑与认知科学系博士后Kohitij Kar领导,这项研究着眼于称为前外侧前额叶皮层(vlPFC)的区域,该区域通过下丘脑向颞下叶皮质发送反馈信号。神经元网络。这项研究的主要目的是测试该电路的往返信息处理(即该循环神经网络)对于灵长类动物快速识别对象至关重要。

麻省理工学院的研究人员使用对象识别任务(例如,识别出图中显示的是“鸟”而不是“大象”)来研究从灵长类动物腹侧前额叶皮层(vlPFC)到颞下叶(IT)的反馈的作用。皮层通过神经元网络。在灵长类动物的大脑中,暂时阻断vlPFC(绿色阴影区域)会破坏包含vlPFC和IT的循环神经网络,从而导致特定缺陷,并暗示其在快速物体识别中的作用。图片来源:Kohitij Kar;大脑图像改编自SciDraw。

本研究发表在 Neuron上 ,可通过开放获取获得,是Kar和James DiCarlo发表的先前工作的后续研究,Kar和James DiCarlo是彼得·德·弗洛雷斯神经科学教授,麻省理工学院脑与认知科学系系主任以及麦戈文研究所和大脑,思想与机器中心。

猴子与机器

Kar,DiCarlo和同事在2019年发现,灵长类动物在快速物体识别过程中必须使用一些循环回路。这项研究中的猴子受试者比缺乏循环电路的工程化“前馈”计算模型(称为深度卷积神经网络)能够更准确地识别物体。

有趣的是,模型在对象识别方面比猴子要差的特定图像,在猴子的大脑中也需要更长的时间才能解决-这表明额外的时间可能是由于大脑中的反复处理。但是,根据2019年的研究,仍然不清楚是哪个循环电路导致IT皮质中的信息延迟传播。这就是当前研究的起点。

“在这项新研究中,我们想找出:IT中的这些经常性信号来自何处?” 卡尔说。“哪个区域与IT相互连接,在功能上是该循环电路中最关键的部分?”

为了确定这一点,研究人员使用一种药理剂来暂时阻止猕猴中的vlPFC的部分活动,同时他们要进行对象识别任务。在执行这些任务时,猴子会观看包含物体的图像,例如苹果,汽车或狗。然后,研究人员使用眼动追踪技术来确定猴子在给定两个对象选择时是否可以正确指示它们先前查看过的对象。

“我们观察到,如果您使用药理剂使vlPFC部分失活,那么猴子的行为和IT皮层活动都会恶化,但对于某些特定图像而言更是如此。这些图像与我们在之前的研究中确定的图像相同,这些图像在“前馈”模型中很难解决,并且在猴子的IT皮质中需要更长的时间才能解决。” Kar说。

这些结果提供了证据,表明这种循环连接的网络对于快速物体识别(我们正在研究的行为)至关重要。现在,我们对整个电路的布局以及这种行为的主要神经成分是什么有了更好的了解。”

这项名为“灵长类腹侧流需要通过腹外侧前额叶皮层进行快速反复处理以实现可靠的核心视觉对象识别”的完整研究将在2021年1月6日出版。

DiCarlo说:“这项研究证明了额叶前额皮层回路在以一种非常特殊的方式自动提高物体识别性能方面的重要性。” “这些结果是在非人类灵长类动物中获得的,因此很可能也与人类的视觉有关。”

本研究明确了快速对象识别过程中vlPFC和灵长类动物腹侧视觉皮层之间的反复连接的整体作用。这些结果将有助于研究人员设计旨在开发准确的大脑模型的未来研究,以及有助于寻求开发更多类似人类的人工智能的研究人员。

标签:

免责声明:本文由用户上传,如有侵权请联系删除!