认知神经学家借助人工智能研究人脑学术资讯

图片1.png

▲网络配图

人工智能通常对不同的任务采用不同的网络体系，分别加以训练，达到最佳性能。在认知神经科学学会（CNS）第25届年会上，认知神经科学家正越来越多地利用新兴的人工智能网络加强他们对人脑的研究能力。

“认知神经科学家与电脑科学家想要回答的问题大体一致。”美国麻省理工学院的奥德·奥利娃说。“它们都是研究由多个部分组成的一个复合系统，这些部分在神经科学上称为神经元，在计算机科学上称为单元。双方都是通过试验来确定各部分都在做哪些运算。”

奥利娃在研讨会上作的研究报告说，她正在研究关于人脑图像识别运用上下文线索的功能。通过使用“人工神经元”（主要由代码和软件构成）和神经网络模型，他们可以解析出识别特定位置和对象所需的各个元素。

“人脑是一个复杂而深奥的神经网络。”主持研讨会的哥伦比亚大学的尼克劳斯·克里格思科尓特说。“神经网络模式就是指人脑刺激模式，目前在许多人工智能应用（如电脑视觉）领域已经日臻成熟、十分先进。”

最近，奥利娃与同事利用一千多万幅图像教会一个人工智能网识别出350个不同的地点，比如厨房、卧室、公园、客厅等。他们预料到人工网络会将床铺与卧室关联，但没料到它还会认识人和动物，比如，狗会出现在公园里，猫会出现在客厅里。

机器智能程序在学习大量数据时速度非常快，这也是它们能在情境学习中表现优异的原因。我们不能将人类的神经元详细解剖到这个程度，电脑模型在完成相似任务时则是完全透明的。因此，人工神经网可以“作为研究、调节、评估和比较的微型大脑，用来对比人脑神经网络搜到信号刺激时的反应”，认知神经科学家据此可以对真实大脑如何运作获得草图式的了解。

事实上，电脑模型已经帮助研究者了解人们如何一眨眼就能认识身边的物体，这涉及到从视网膜发出的数以百万计的信号，这些信号扫过一层层神经元，语义信息被从中提取出来。目前的神经网络模型能够利用与生物神经元执行的相同的计算来完成这类任务。此外，这些神经网络模型可以在某种程度上预测大脑深处的某个神经元对任何图像会有什么反应。

利用电脑科技了解人脑是一个相对较新的领域，由于计算速度和功能的提高，以及神经科学成像工具的发展，这个领域正迅速扩展。

尽管人工网络还无法复制人类的视觉能力，但通过模仿人类大脑建立模型，研究者能够同时了解认知科学和人工智能两个领域。

科界原创

编译：馥莉审稿：三水编辑：程建兰

来源：https://www.sciencedaily.com/releases/2018/03/180325115759.htm