5月15日下午,來自荷蘭Donders Institute的Floris de Lange教授,應(yīng)北京大學(xué)IDG麥戈文腦研究所PI、北京大學(xué)心理與認(rèn)知科學(xué)學(xué)院羅歡研究員的邀請,在北京大學(xué)王克楨樓1113會(huì)議室為大家?guī)砹艘粓鲱}為“How is perception biased”的學(xué)術(shù)報(bào)告。
Floris de Lange教授主要研究大腦如何利用先驗(yàn)的知識(shí)經(jīng)驗(yàn)對輸入進(jìn)行主動(dòng)預(yù)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(yù)測性大腦研究成果進(jìn)行介紹:
第一,大腦是否會(huì)自發(fā)地對外部世界進(jìn)行預(yù)測,進(jìn)而產(chǎn)生虛擬的(物理刺激并不存在)相應(yīng)的神經(jīng)活動(dòng)模式?
第二,如果大腦能自發(fā)地產(chǎn)生這些虛擬的信號(hào),大腦如何區(qū)分這些虛擬的信號(hào)與實(shí)際輸入的感知覺信號(hào)?
第三,預(yù)測的信號(hào)與現(xiàn)實(shí)世界中的物理信號(hào)如何相互作用,預(yù)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(xué)習(xí)了空間位置序列后,僅僅呈現(xiàn)起始位置,老鼠的初級(jí)視覺皮層就會(huì)對之后的空間位置進(jìn)行順序激活,類似一種預(yù)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(yīng)模式。研究者首先依據(jù)初級(jí)視覺皮層存在著一個(gè)拓?fù)涞貓D這一性質(zhì)找到了對某個(gè)特定空間位置反應(yīng)的voxel,并采用高時(shí)間分辨率的磁共振技術(shù)記錄了腦活動(dòng)。
在實(shí)驗(yàn)中,首先讓被試熟悉一個(gè)空間位置序列,然后短暫呈現(xiàn)這個(gè)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(yīng)模式。結(jié)果如下圖所示,當(dāng)只呈現(xiàn)起始位置時(shí),大腦對于接下來的幾個(gè)空間位置的響應(yīng)也會(huì)依次自動(dòng)地激活(中間圖)。但是當(dāng)只呈現(xiàn)結(jié)束位置時(shí),只能看到對結(jié)束位置有著明顯的激活(右邊圖)。
并且該預(yù)測性重演腦活動(dòng)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(shí)都依然存在。這一結(jié)果表明大腦不斷地主動(dòng)預(yù)測外界刺激,產(chǎn)生虛擬的神經(jīng)活動(dòng)。
在此基礎(chǔ)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(gè)空間位置序列,這兩個(gè)位置序列的起始位置是相同的。
同時(shí)這兩種位置序列分別和兩個(gè)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(gè)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(gè)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(dāng)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(shí)候,被試會(huì)對上位置序列有著更明顯的preplay,而對下位置序列的replay就會(huì)弱很多,反之亦然。
接下來研究者試圖回答第二個(gè)問題,為什么大腦不會(huì)將這些虛擬的信號(hào)與真實(shí)的刺激信號(hào)混淆,這兩種信號(hào)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(jí)的中間層和底層,而自上而下的信息則主要反饋到下一級(jí)的表層和底層神經(jīng)元。
因此一個(gè)可能的假設(shè)是皮層的中間層能夠區(qū)別該神經(jīng)響應(yīng)反映的是虛擬信號(hào)還是物理輸入信號(hào)。相較于用分類器來分離出大腦對不同刺激的反應(yīng)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(dòng)顯著高于和沒有偏好的voxel的活動(dòng)(偏好效應(yīng))。更重要的是在V1發(fā)現(xiàn)了層級(jí)的差異,即表層和底層神經(jīng)元的偏好效應(yīng)都顯著高于中間層。這一結(jié)果表明不同的層的響應(yīng)能夠區(qū)別“現(xiàn)實(shí)”和“想象”。
最后,研究者探究這些預(yù)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(yù)測接下來出現(xiàn)的刺激的條件,當(dāng)接下來出現(xiàn)的刺激可以被預(yù)測時(shí),包括V1,LOC(對客體具有選擇性)在內(nèi)的很多腦區(qū)的活動(dòng)都被抑制了。進(jìn)一步對每個(gè)voxel在各個(gè)刺激上的偏好性進(jìn)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(qiáng)的抑制。V1區(qū)的抑制則表現(xiàn)出不受偏好性強(qiáng)度的影響。
研究者進(jìn)一步做了一個(gè)腦磁圖實(shí)驗(yàn)來探索預(yù)測性神經(jīng)活動(dòng)的時(shí)間特性,結(jié)果發(fā)現(xiàn)可以被預(yù)測的圖片相較于不能被預(yù)測的圖片誘發(fā)了更小的響應(yīng)。更有意思的是,可以被預(yù)測的圖片誘發(fā)的響應(yīng)顯示出時(shí)間上更為銳化的效果(sharpening)。該研究提示對于具有高預(yù)測性的輸入,大腦在時(shí)間上加工也更快。
總結(jié)來說,大腦能夠自發(fā)預(yù)測接下來出現(xiàn)的刺激,虛擬出這些刺激出現(xiàn)的活動(dòng)信號(hào)。這些虛擬的信號(hào)不會(huì)和真實(shí)輸入的感知覺信號(hào)相混淆,因?yàn)楦兄X信號(hào)是自下而上的信息輸入,而虛擬的信號(hào)是自上而下進(jìn)行反饋,由不同神經(jīng)網(wǎng)絡(luò)所傳遞。這種主動(dòng)預(yù)測能力能夠降低被預(yù)測刺激的神經(jīng)活動(dòng)的能量與持續(xù)時(shí)間,進(jìn)而有效提高對外界刺激的加工和感知。
-
神經(jīng)網(wǎng)絡(luò)
+關(guān)注
關(guān)注
42文章
4804瀏覽量
102617 -
磁共振
+關(guān)注
關(guān)注
4文章
79瀏覽量
26577
原文標(biāo)題:大腦如何進(jìn)行預(yù)測?
文章出處:【微信號(hào):AItists,微信公眾號(hào):人工智能學(xué)家】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。
發(fā)布評(píng)論請先 登錄
電機(jī)控制器電子器件可靠性研究
佛山智能裝備院與華數(shù)機(jī)器人在具身智能工業(yè)機(jī)器人領(lǐng)域的研究成果

NVIDIA Research在多個(gè)領(lǐng)域不斷取得突破
GaN重大突破!湖北這個(gè)實(shí)驗(yàn)室公布三大研究成果
香港科技大學(xué)陳敬教授課題組公布氮化鎵與碳化硅領(lǐng)域多項(xiàng)最新研究成果

Meta AI推出Brain2Qwerty:非侵入性大腦信號(hào)轉(zhuǎn)文本系統(tǒng)
馬里蘭大學(xué)王春生教授團(tuán)隊(duì)最新研究成果:探索水系鋅電池的電解質(zhì)設(shè)計(jì)

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

SynSense時(shí)識(shí)科技與海南大學(xué)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(chǔ)設(shè)施研究成果

DNA計(jì)算機(jī)研究取得突破性進(jìn)展:PB級(jí)數(shù)據(jù)存儲(chǔ)與高效處理
谷歌發(fā)布革命性AI天氣預(yù)測模型NeuralGCM
校企攜手,探索“最強(qiáng)大腦”電子科技大學(xué)特聘研究員Minati教授訪問阿爾泰科技:探索大腦與電子系統(tǒng)的交叉

最新研究成果揭示,未來十年全球物聯(lián)網(wǎng)市場將經(jīng)歷哪些變化?

評(píng)論