НАШИ НОВОСТИ

Ученые запускают
«машину времени»
Читать


Последние изобретения
Читать

10 самых бесполезных
изобретений,
созданных за последние
несколько столетий
(на материале газеты Таймс)
Читать

Самые удивительные изобретения
Читать

Американские ученые нашли лекарство от радиации
Читать

Нижегородский стоматолог изобрел более полусотни полезных вещей
Читать

Ученые создали жидкий биополимер, залечивающий повреждения спинного мозга
Читать

Мышиная моча поможет предотвратить теракты
Читать

Ученые научили самолеты самостоятельно "заживлять" повреждения корпуса
Читать

Аудиоформат MT9 в будущем заменит MP3
Читать

Изобретатель топлива на воде оказался шарлатаном
Читать

Заправь машину минералкой
Читать

Ещё об уникальных изобретениях
Читать

Машинное обучение оптимизирует изображения для стимуляции нейронов


Нейронные сети генерируют абстрактные изображения, предназначенные для активации определенных ячеек, давая представление об их функциях. Согласно двум публикациям, две обезьяны демонстрируют серию компьютерных изображений и одновременно регистрируют активность клеток мозга животных, что позволяет системам глубокого машинного обучения генерировать новые изображения, которые ускоряют возбуждение клеток.

Сенсорная нейробиология

Цель сенсорной нейробиологии - понять, какие именно стимулы активируют клетки мозга. В зрительной системе приматов определенные нейроны зрительной коры и нижней височной коры (две ключевые области зрения), как известно, реагируют преимущественно на определенные раздражители, такие как цвета, конкретные направления движения, изгибы и даже грани. Но, как говорит нейробиолог Карлос Понсе, «проблема в том, что мы никогда не знали, есть ли у нас при выборе фотографий тайное истинное изображение, что клетка действительно кодирует». Может быть, он предполагает, что клетка реагирует не на лицо, а на расположение элементов и форм, обнаруженных на лице, которые также можно найти на других изображениях. И с бесчисленным количеством доступных изображений «невозможно проверить все», - говорит он. Короче говоря, было невозможно определить точный визуальный стимул, который максимально активировал бы данный нейрон. Недавние достижения в области машинного обучения, в частности, развитие порождающих соперничающих сетей (GAN), теперь позволили найти решение. По словам Понсе, GAN - это нейронные сети, которые «берут визуальный мир и воспроизводят его в своих собственных внутренних абстракциях». То есть они могут генерировать бесконечное разнообразие реалистичных и абстрактных изображений на основе подаваемых им примеров изображений.

Эксперимент

Команда Понсе имплантировала микроэлектродные матрицы в нижние височные кортикальные слои шести обезьян, область немного выше и позади ушей, чтобы регистрировать активность нейронов зрения. Затем они показали животным 40 случайных изображений, сгенерированных GAN, и идентифицировали 10 изображений, которые индуцировали наибольшую активность в данном нейроне или группе нейронов. Исследователи поместили эти изображения с помощью генетического алгоритма - по существу, рекомбинируя пиксели - для создания 30 похожих изображений, а затем показали эти изображения вместе с оригинальной топ-10 обезьяне. Этот цикл повторяли до 250 раз в течение одного-трех часов, пока животное больше не смотрело на изображения. В качестве элементов управления команда также включила натуралистические изображения людей, мест и простые линейные рисунки. Образы, появившиеся в результате этого эволюционного процесса, представляли собой смесь объектов, форм и цветов, некоторые из которых демонстрировали частичное сходство с обезьянами или лицами дрессировщиков животных. Важно отметить, что когда такая эволюция изображения была повторена для одного и того же нейрона у того же животного в другой день, появилось похожее изображение.