亚洲女人自熨在线视频

首页 > 正文

【AI造梦】哈佛大学用GAN+遗传算法,创造图像控制猴子大脑

www.letstylespeak.com2019-07-12
色综合亚洲色综合西

[AI Dream]哈佛大学使用GAN +遗传算法创建图像来控制猴脑

43d8e0cb1ecc46b297d119f7e210514f.jpeg

细胞,哈佛新闻

编辑:小秦

[新智元导读]哈佛科学家将猴子的大脑连接到神经网络,试图刺激猴脑中负责识别面部的单个神经元。他们使用AI生成图像,然后将它们显示给猴子,最终成功激活特定神经元而不影响其他神经元。相关论文发表在最新的Cell期刊上。

新智元不久前报道,麻省理工学院的三位科学家首先使用人工智能生成图像来激活特定的视觉神经元,并在动物的大脑中实现神经元活动。

这项研究是一个热门话题,被认为是使用人工神经网络的真实神经网络的最强大的验证。

巧合的是,在一项新的实验中,哈佛科学家将猴子的大脑与神经网络联系起来,试图刺激猴子大脑中负责识别面部的单个神经元。他们使用AI生成图像,然后将它们呈现给猴子,以尽可能地激活这些特定的神经元。

最终,AI系统学会了生成相邻细胞的图像,这些图像可以激活单个脑细胞而不会同时激活它。这些图像就像一个超现实主义梦魇的景象,模糊地类似于面孔或其他熟悉的形状。这是传感器和人工智能开始窥视生物大脑的另一个激动人心的例子。

1f3b02e62b17489f80e63e08adb318db.jpeg

从刺激猕猴神经元的神经网络进化而来的图像

相关研究发表在最新的Cell杂志上。

7787b9b227b545d1b397bfe01ebbd980.jpeg

研究人员提出的算法称为XDREAM,它可以基于特定神经元对图像的响应强度的实时反馈生成新图像。

该论文的第一作者,哈佛大学和华盛顿大学神经科学家卡洛斯庞塞说:“如果细胞梦想,那么(这些图像)是细胞梦想的视线。”

研究的几个关键点:

在神经元放电的指导下,深度神经网络和遗传算法发展为生成图像

进化的图像最大化了猕猴视觉皮层中的神经元放电

演化图像比大量自然图像更能激活神经元

与进化图像的相似性预测了神经元对新图像的响应

5d3dea508be0499cb052fed6475748e9.jpeg

研究概述

具体来说,研究人员使用AI生成图像并将其显示给猴子,然后研究猴子神经元对图像的反应。然后,AI算法可以基于来自大脑响应的信息调整图像,以生成可以与猴子的视觉处理系统更多共振的新图像。

庞塞说:“当我们第一次看到这种情况时,感觉好像我们用神经元自己的语言与它沟通,好像我们给了细胞通信的能力。” p>

实验过程:GAN +遗传算法,监视猴子的梦想

为什么我们的眼睛更容易受到某些形状,颜色和轮廓的影响?

半个多世纪以来,科学家们已经了解到大脑视觉系统中的神经元对某些图像的反应比对其他图像的反应更强烈。此功能可识别,理解和解释我们周围的大量视觉信息。能力至关重要。

例如,当人类或其他灵长类动物在看到面部,地点,物体或单词时具有高度协调且可视的动物系统时,大脑中称为下颞皮质的特定视觉神经元群将更加活跃。但这些神经元到底是做了什么反应?目前尚不清楚。

迄今为止,试图测试神经元偏好的绝大多数实验都使用了真实图像。但真实的图像具有固有的偏见:仅限于现实世界中可用的刺激和研究人员选择测试的图像。基于AI的程序通过基于每个神经元的偏好创建合成图像来克服该障碍。

在这项研究中,哈佛医学院的几位研究人员使用预先训练的深度生成神经网络(Dosovitskiy和Brox,2016)和遗传算法,使神经元反应能够了解合成图像的演变。

cd353e219c604ceebd86e1ea2b028adf.jpeg

通过遗传算法表达和搜索深度生成对抗网络

为了记录视觉神经元的活动,研究小组将微电极阵列植入六只猴子的下颞叶皮层(略高于耳朵的区域)。然后研究人员通过计算机屏幕向猴子展示图像,并测量猴子观察图像时大脑中各个视觉神经元的放电率。

如下图所示,网络采用4096维向量(图像代码)作为输入,并将其转换为256×256 RGB图像。

79e4340c8616440b87aa137aa1e5524a.jpeg

图1:特定神经元的神经元引导图像所偏爱的神经元的进化合成。

(A)产生对抗网络。

(B)初始合成图像,显示30个例子。

(C)行为任务。

(D)实验程序。图像代码通过针对网络的深度生成来合成呈现给猴子的图像。使用神经元响应对图像代码进行排序,然后选择,重新组织和变异以生成新的图像代码。

具体地,遗传算法使用从猕猴脑中记录的神经元响应来优化输入到神经网络的图像代码。每个实验以GAN随机生成的40幅图像开始(图1B)。

然后在被动执行固定任务时记录猴子对IT神经元的响应。图1C显示了一个单元的感受野。

然后基于神经元对每个合成图像的响应对图像编码进行评分,以确定给定神经元或神经元群体中的10个最活跃图像。研究人员使用这些算法通过遗传算法基本上重新组合这些像素以生成30个相似的图像,然后将这些图像与前10个图像一起显示给猴子(图1D)。

研究人员将整个方法称为XDREAM(在真实神经元中扩展具有实时进化的活动最大化的DeepDream)。

该过程在1-3小时内重复250代。

图,其中包含人物,地点等。

67af800d6fc149c5bfe03e9f1dfb7da4.jpeg

进化图像(左)和自然图像(右)

在几个小时的过程中,研究人员将每个AI生成的图像显示给猴子100毫秒。

这些图像以灰度随机纹理图案开始。根据实验中猴神经元的激活程度,程序逐渐引入形状和颜色,直到最终图像完全反映神经元的偏好。

“在每次实验结束时,”参与这项研究的哈佛医学院研究生Will Xiao说:“该程序产生的图像对这些细胞非常有刺激性。”

神经元选择的奇怪形象有助于理解认知问题

CaffeNet中单位首选刺激的演变

研究人员首先在人工神经网络中的一个单元上验证XDREAM作为生物神经元的模型。他们的方法为每一层CaffeNet产生了超刺激(图2)。

10d1d5191af94b14922c95e49ba9ac48.jpeg

图2:XDREAM算法在CaffeNet中为细胞产生超刺激

生物神经元的首选刺激的演变

由于遗传算法基于神经元的响应来优化图像,因此合成图像随着每一代的发展而变化。下图是进化实验的一个例子。

6cb865d3b25e4ceb85e69edf3c1c0caf.jpeg

图3:猴子选择的合成图像演变

每个图像是每一代的前5个合成图像的平均值(从左到右,从上到下),并且在几代之后,合成图像演变成更有效的刺激(图4)。

edfedf04b79d448ead5b3c85e3534242.jpeg

图4:通过最大化单个神经元的响应来合成图像的演变

视频:猴子神经元的选择导致两个合成图像演变的例子,每个例子实时需要几个小时

其他神经元中优选刺激的进化

454711e7a8784490ab703c3501ffd3f8.jpeg

图5:其他IT单元的演变

fb51fa6bad714b898fefa09193dd752c.jpeg

图6:其他IT神经元中合成图像的演变

其中一些图像符合研究人员的期望。例如,他们怀疑神经元可能对面部有反应,并且神经元发展成产生具有两个眼睛状黑点的圆形粉红色图像。

其他人则更令人惊讶。例如,猴子的一个神经元不断产生一个看起来像猴子身体的图像,但脖子附近有一个红点。研究人员最终发现,猴子被锁在另一只穿着红领的猴子旁边。

庞塞说:“我在雾中看到一个像脸一样的东西,盯着你,你知道这张照片来自猴子的大脑,这可能是我科学事业中最神奇的经历之一。

研究人员说:“我们相信这种神经元不仅对猴子的身体有优先反应,而且对特定的猴子也有优先反应。”

但并非所有最终的突破似乎都是可识别的。猴子的神经元进化成了一个小的黑色方块。另一种产生黑色和橙色的混合物,没有确定的形状。

这些研究表明,这些神经元的反应不是天生的,而是通过长期持续暴露于视觉刺激来学习的。但是,不知道识别特定图像的能力是如何发生的。研究小组计划在未来的研究中调查这个问题。

了解视觉系统如何响应图像可能是更好地理解驱动认知问题的潜在机制的关键,例如学习障碍,自闭症谱系障碍等,经常治疗儿童的面部提示和识别面部。伤害是特征。

研究人员表示,大脑视觉处理系统的故障会干扰人们连接,沟通和理解基本线索的能力。通过研究优先响应面部的细胞,我们可以发现社会发展如何发生以及可能发生的事情的线索。问题。

,查看更多

热门浏览
热门排行榜
热门标签
日期归档