由贝勒医学院和赖斯大学的研究人员领导的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,还没有测量思想的方法。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中国机械网okmao.com。该理论研究发表在《美国国家科学院院刊》上。
“数百年来,神经科学家一直通过将大脑活动与输入和输出相关联来研究大脑的工作方式。例如,在研究运动神经科学时,科学家们测量肌肉运动以及神经元活动,然后将这两个测量结果关联起来。”作者Xaq Pitkow博士,贝勒大学(Baylor)神经科学助理,莱斯大学(Rice)电气和计算机工程助理教授。“但是,要研究大脑的认知能力,我们没有什么可以将测得的神经活动与之进行比较。”
为了了解大脑是如何产生思想的,研究人员首先需要测量思想。他们开发了一种称为“反向理性控制”的方法,该方法可以查看行为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,他们仍然会尽力为自己的任务找到最佳的长期结果。这可能解释了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。皮特科夫说。
例如,考虑一种正在狩猎并且听到许多与猎物相关联的噪音的动物。如果一个潜在的猎物正在发出所有的声音,那么猎人的最佳行为就是将其移动始终针对单个声音。如果猎人错误地认为噪音来自许多不同的动物,它可能会选择次佳的行为,例如不断扫描周围的环境以试图找出其中的一种。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,皮特科夫和他的同事们开发了一个模型,将使用逆理性控制方法识别出的思想与大脑活动联系起来。
“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捉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。”
这项工作的其他贡献者包括吴正伟,Minhae Kwon,Saurabh Daptardar和Paul Schrater。作者隶属于以下一个或多个机构:贝勒医学院,赖斯大学,崇实大学,谷歌地图和明尼苏达大学。
这项工作得到了BRAIN Initiative赠款NIH 5U01NS094368,McNair基金会的奖项,Simons Collaboration全球大脑奖324143,美国国家科学基金会奖1450923 BRAIN 43092和NSF CAREER奖IOS-1552868的部分支持。