5月15日下午,來自荷蘭Donders Institute的Floris de Lange教授,應北京大學IDG麥戈文腦研究所PI、北京大學心理與認知科學學院羅歡研究員的邀請,在北京大學王克楨樓1113會議室為大家?guī)砹艘粓鲱}為“How is perception biased”的學術(shù)報告。
Floris de Lange教授主要研究大腦如何利用先驗的知識經(jīng)驗對輸入進行主動預測,從而幫助我們知覺外部世界,做出決策。他主要從三方面對預測性大腦研究成果進行介紹:
第一,大腦是否會自發(fā)地對外部世界進行預測,進而產(chǎn)生虛擬的(物理刺激并不存在)相應的神經(jīng)活動模式?
第二,如果大腦能自發(fā)地產(chǎn)生這些虛擬的信號,大腦如何區(qū)分這些虛擬的信號與實際輸入的感知覺信號?
第三,預測的信號與現(xiàn)實世界中的物理信號如何相互作用,預測如何幫助人們知覺外部世界?
已有研究發(fā)現(xiàn)在讓老鼠學習了空間位置序列后,僅僅呈現(xiàn)起始位置,老鼠的初級視覺皮層就會對之后的空間位置進行順序激活,類似一種預測性重演(preplay)(Xu, et al., Nature Neuroscience, 2012)。
由此研究者采用功能磁共振技術(shù)探究人的視覺皮層是否也能夠發(fā)現(xiàn)這種preplay的反應模式。研究者首先依據(jù)初級視覺皮層存在著一個拓撲地圖這一性質(zhì)找到了對某個特定空間位置反應的voxel,并采用高時間分辨率的磁共振技術(shù)記錄了腦活動。
在實驗中,首先讓被試熟悉一個空間位置序列,然后短暫呈現(xiàn)這個空間位置序列的起始位置或者結(jié)束位置,觀察這兩種情況下大腦的反應模式。結(jié)果如下圖所示,當只呈現(xiàn)起始位置時,大腦對于接下來的幾個空間位置的響應也會依次自動地激活(中間圖)。但是當只呈現(xiàn)結(jié)束位置時,只能看到對結(jié)束位置有著明顯的激活(右邊圖)。
并且該預測性重演腦活動并不依賴于注意的參與,無論被試注意這些位置或不注意這些位置時都依然存在。這一結(jié)果表明大腦不斷地主動預測外界刺激,產(chǎn)生虛擬的神經(jīng)活動。
在此基礎上,研究者繼續(xù)探討了這種preplay是否受概率信息所調(diào)控。在新的研究中,被試被要求熟悉上下走向的兩個空間位置序列,這兩個位置序列的起始位置是相同的。
同時這兩種位置序列分別和兩個聲音提示(聲音提示先于起始位置出現(xiàn))建立了不同概率的聯(lián)系。在熟悉這兩個空間位置序列以及聲音提示和他們的關(guān)系之后,研究者只呈現(xiàn)了起始位置以及其中一個聲音提示。
結(jié)果發(fā)現(xiàn)被試有效地利用了聲音提示的有效性,即當起始位置和高音提示(提示有80%的概率是上位置序列的聲音)出現(xiàn)的時候,被試會對上位置序列有著更明顯的preplay,而對下位置序列的replay就會弱很多,反之亦然。
接下來研究者試圖回答第二個問題,為什么大腦不會將這些虛擬的信號與真實的刺激信號混淆,這兩種信號是如何被區(qū)分出來的?正如下圖模型所示(Lawrence et al., NeuroImage, 2017),感覺信息自下而上地傳遞給上一級的中間層和底層,而自上而下的信息則主要反饋到下一級的表層和底層神經(jīng)元。
因此一個可能的假設是皮層的中間層能夠區(qū)別該神經(jīng)響應反映的是虛擬信號還是物理輸入信號。相較于用分類器來分離出大腦對不同刺激的反應模式,研究者用了一種更簡單的方法,他們通過找到對某一特定刺激有偏好(prefer)的voxel來建立感興趣區(qū) (Albers, et al., NeuroImage, 2017)。
結(jié)果發(fā)現(xiàn)在工作記憶的保持階段(沒有刺激輸入,被試需要回憶被提示的刺激),在V1, V2, V3對該刺激有偏好的voxel的活動顯著高于和沒有偏好的voxel的活動(偏好效應)。更重要的是在V1發(fā)現(xiàn)了層級的差異,即表層和底層神經(jīng)元的偏好效應都顯著高于中間層。這一結(jié)果表明不同的層的響應能夠區(qū)別“現(xiàn)實”和“想象”。
最后,研究者探究這些預測是如何幫助我們知覺外部世界的。結(jié)果發(fā)現(xiàn),相較于無法預測接下來出現(xiàn)的刺激的條件,當接下來出現(xiàn)的刺激可以被預測時,包括V1,LOC(對客體具有選擇性)在內(nèi)的很多腦區(qū)的活動都被抑制了。進一步對每個voxel在各個刺激上的偏好性進行排序。結(jié)果發(fā)現(xiàn)LOC區(qū)對的越偏好的刺激產(chǎn)生越強的抑制。V1區(qū)的抑制則表現(xiàn)出不受偏好性強度的影響。
研究者進一步做了一個腦磁圖實驗來探索預測性神經(jīng)活動的時間特性,結(jié)果發(fā)現(xiàn)可以被預測的圖片相較于不能被預測的圖片誘發(fā)了更小的響應。更有意思的是,可以被預測的圖片誘發(fā)的響應顯示出時間上更為銳化的效果(sharpening)。該研究提示對于具有高預測性的輸入,大腦在時間上加工也更快。
總結(jié)來說,大腦能夠自發(fā)預測接下來出現(xiàn)的刺激,虛擬出這些刺激出現(xiàn)的活動信號。這些虛擬的信號不會和真實輸入的感知覺信號相混淆,因為感知覺信號是自下而上的信息輸入,而虛擬的信號是自上而下進行反饋,由不同神經(jīng)網(wǎng)絡所傳遞。這種主動預測能力能夠降低被預測刺激的神經(jīng)活動的能量與持續(xù)時間,進而有效提高對外界刺激的加工和感知。
-
神經(jīng)網(wǎng)絡
+關(guān)注
關(guān)注
42文章
4814瀏覽量
103439 -
磁共振
+關(guān)注
關(guān)注
4文章
79瀏覽量
26652
原文標題:大腦如何進行預測?
文章出處:【微信號:AItists,微信公眾號:人工智能學家】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。
發(fā)布評論請先 登錄
Nullmax端到端自動駕駛最新研究成果入選ICCV 2025

后摩智能與高校合作研究成果榮獲ISCA 2025最佳論文獎
NVIDIA在ICRA 2025展示多項最新研究成果
電機控制器電子器件可靠性研究
佛山智能裝備院與華數(shù)機器人在具身智能工業(yè)機器人領(lǐng)域的研究成果

GaN重大突破!湖北這個實驗室公布三大研究成果
香港科技大學陳敬教授課題組公布氮化鎵與碳化硅領(lǐng)域多項最新研究成果

Meta AI推出Brain2Qwerty:非侵入性大腦信號轉(zhuǎn)文本系統(tǒng)
馬里蘭大學王春生教授團隊最新研究成果:探索水系鋅電池的電解質(zhì)設計

NVIDIA研究成果年度盤點
全固態(tài)電池的最新研究成果與技術(shù)進展

SynSense時識科技與海南大學聯(lián)合研究成果發(fā)布

中移芯昇發(fā)布智能可信城市蜂窩物聯(lián)網(wǎng)基礎設施研究成果

評論