Как искусственные нейронные сети помогают нам понять нейронные сети в человеческом мозгу

Эксперты в области психологии, неврологии и искусственного интеллекта разрешают, казалось бы, неразрешимую историческую дискуссию в нейробиологии, открывая мир возможностей для использования искусственного интеллекта для изучения мозга.

27 июля 2021 г.
Эндрю Майерс
Изображение

Неврология — относительно молодая дисциплина. Особенно это касается физических наук. Хотя мы многое знаем о том, как, например, физические свойства возникают из атомных/субатомных сил, сравнительно мало известно о том, как интеллектуальное поведение возникает из нервной функции.

Чтобы решить эту проблему, нейробиологи часто полагаются на интуитивные концепции, такие как «восприятие» и «память», что позволяет им понять взаимосвязь между мозгом и поведением. Таким образом, эта область начала в общих чертах характеризовать нервную функцию.

Например, мы знаем, что у приматов вентральный зрительный поток (VVS) поддерживает зрительное восприятие, а медиальная височная доля (MTL) обеспечивает поведение, связанное с памятью.

Но использование этих концепций для описания и классификации нейронной обработки не означает, что мы понимаем нейронные функции, поддерживающие такое поведение. По крайней мере, не так, как физики понимают электроны. Иллюстрируя этот момент, опора на эти концепции привела к продолжительным нейробиологическим дебатам: где заканчивается восприятие и начинается память? Делает ли мозг различия, как мы это делаем на языке, который используем для его описания?

Этот вопрос не просто семантика. Понимание того, как мозг функционирует в нейротипичных случаях (т. е. идеализированный, но вымышленный «нормальный» мозг), может помочь людям, испытывающим патологические состояния мозга, связанные с памятью, такие как посттравматическое стрессовое расстройство. К сожалению, даже после десятилетий исследований характеристика отношений между этими «перцептивными» и «мнемическими» системами привела к, казалось бы, неразрешимым спорам, разбивающим попытки применить наши знания о мозге к более прикладным условиям.

Нейробиологи по обе стороны этого спора будут смотреть на идентичные экспериментальные данные и интерпретировать их совершенно по-разному: одна группа ученых утверждает, что MTL участвует как в памяти, так и в восприятии, в то время как другая утверждает, что MTL отвечает только за память. связанное поведение.

Чтобы лучше понять, как MTL поддерживает такое поведение, Тайлер Боннен, кандидат психологических наук в Стэнфорде и стажер программы «Разум, мозг, вычисления и технологии» Института неврологии Ву Цай, работал с Дэниелом Яминсом, доцентом кафедры психологии и компьютерных наук и член Стэнфордского института искусственного интеллекта, ориентированного на человека (HAI), а также Энтони Вагнер, профессор психологии и директор лаборатории памяти в Стэнфорде.

Их недавняя работа, опубликованная в журнале Нейрон, предлагает новую вычислительную основу для решения этой проблемы: использование современных вычислительных инструментов искусственного интеллекта для распутывания взаимосвязи между восприятием и памятью в человеческом мозгу.

«Концепции восприятия и памяти были ценны в психологии тем, что позволили нам многое узнать о нервной функции — но только до определенного момента», — говорит Боннен. «Эти термины в конечном итоге не могут полностью объяснить, как мозг поддерживает такое поведение. Мы можем ясно видеть это в исторических дебатах о перцептивных функциях MTL; потому что экспериментаторы были вынуждены полагаться на свои интуиция для того, что считалось восприятием и памятью, они по-разному интерпретировали данные. Данные, которые, по нашим результатам, фактически согласуются с единой унифицированной моделью».

Свежее решение

Решение исследовательской группы состояло в том, чтобы использовать последние достижения в области искусственного интеллекта, известного как компьютерное зрение. Эта область является одной из наиболее развитых областей ИИ. В частности, исследовательская группа использовала вычислительные модели, способные предсказывать нейронные реакции в зрительной системе приматов: оптимизированные для задач сверточные нейронные сети (CNN).

«Эти модели не просто «хорошо» предсказывают визуальное поведение», — говорит Боннен.«Эти модели лучше предсказывают нейронные реакции в зрительной системе приматов, чем любая из моделей, специально разработанных нейробиологами для этой цели. Для нашего проекта это полезно, потому что позволяет использовать эти модели в качестве прокси для зрительной системы человека».

Использование этих инструментов позволило Боннену повторно провести исторические эксперименты, которые использовались в качестве доказательства для поддержки обеих сторон в споре об участии MTL в восприятии.

Во-первых, они собрали стимулы и поведенческие данные из 30 ранее опубликованных экспериментов. Затем, используя точно такие же стимулы, как и в исходных экспериментах (те же изображения, те же композиции, тот же порядок предъявления и т. д.), они определяли, насколько хорошо модель выполняла эти задачи. Наконец, Боннен сравнил производительность модели непосредственно с поведением участников эксперимента.

«Наши результаты были поразительны. В экспериментах, описанных в этой литературе, наша модель моделирования смогла предсказать поведение субъектов с поражением MTL (т. е. субъектов, у которых отсутствует MTL из-за повреждения нервной системы). Однако испытуемые с интактным MTL смогли превзойти нашу вычислительную модель», — говорит Боннен. «Эти результаты ясно указывают на причастность MTL к тому, что долгое время описывалось как перцептивное поведение, разрешая десятилетия очевидных несоответствий».

Но Боннен колеблется, когда его спрашивают, участвует ли MTL в восприятии. «Хотя эта интерпретация полностью согласуется с нашими выводами, нас не волнует, какие слова люди должны использовать для описания этих способностей, зависящих от MTL.. Мы больше заинтересованы в использовании этого подхода к моделированию, чтобы понять, как MTL поддерживает такое волшебное — действительно, временами неописуемое — поведение».

«Критическое различие между нашей работой и тем, что было до нас, — подчеркивает Боннен, — заключается не в каком-либо новом теоретическом продвижении, а в нашем методе: мы ставим перед системой ИИ задачу решать те же проблемы, с которыми сталкиваются люди, создавая интеллектуальное поведение непосредственно на основе экспериментальных данных». входные данные — например, пиксели».

Сведение старых счетов, открытие новых

Работа исследовательской группы представляет собой тематическое исследование ограничений современных нейробиологических подходов, а также многообещающий путь вперед: использование новых инструментов искусственного интеллекта для формализации нашего понимания нейронной функции.

«Демонстрируя полезность этого подхода в контексте, казалось бы, неразрешимых нейробиологических дебатов, — предлагает Боннен, — мы предоставили мощное доказательство принципа: эти биологически правдоподобные вычислительные методы могут помочь нам понять нейронные системы за пределами канонической зрительной коры». Для MTL это имеет потенциал не только для понимания поведения, связанного с памятью, но и для разработки новых способов помощи людям, страдающим патологиями, связанными с памятью, такими как посттравматическое стрессовое расстройство.

Боннен предупреждает, что алгоритмы, необходимые для понимания этого эмоционального поведения и поведения, связанного с памятью, не так развиты, как модели компьютерного зрения, которые он развернул в текущем исследовании. Их еще не существует, и их необходимо развивать, в идеале таким образом, чтобы они отражали те же биологические системы, которые поддерживают такое поведение. Тем не менее, искусственный интеллект уже предложил мощные инструменты для формализации наших интуитивных представлений о поведении животных, что значительно улучшило наше понимание мозга.

Миссия Stanford HAI состоит в том, чтобы продвигать исследования, образование, политику и практику ИИ для улучшения условий жизни людей. Учить больше.