195176, г. Санкт-Петербург,
Пискаревский пр. д.25,
литер А пом. 8Н.
info@armkllc.ru
   +7 (812) 748-51-31

Модели зрения

Дата публикации: 2019-05-13 11:21:00

«Возможно, это самая сильная проверка использования искусственных нейронных сетей для понимания реальных нейронных сетей».

Звучит фантастически.

Нейробиологи из MIT (Массачусетский технологический институт) сделали наиболее тщательное из существовавших до сих пор тестирование нейро-моделей, имитирующих работу зрительных отделов мозга. Используя свою лучшую на данный момент модель зрительной нейронной сети, они разработали новый способ влияния на популяции нейронов в её середине. Мало того, теперь появилась возможность точного контроля отдельных нейронов! Звучит несколько фантастически, но всё дело вот в чём: опыты с животными показали, что на основе полученной из этой модели вычислений информации, можно создавать изображения, которые впечатляюще задействуют определенные нейроны мозга. Практически по выбору экспериментаторов. А это значит, что текущие версии моделей достаточно схожи с живым мозгом, чтобы их можно было использовать для контроля состояния последнего. 

Джеймс ДиКарло (James DiCarlo, глава Департамента мозга и когнитивных наук MIT, исследователь в Институте исследования мозга Макговерна и Центре мозга, разума и машин (CBMM)), старший автор исследования, говорит, что ранее возникали бурные споры о том, точно ли модель имитирует работу зрительной коры. Теперь же, кое-что изменилось. «Вместо того, чтобы обсуждать это в академическом смысле», – говорит он, – «мы показали, что эти модели уже достаточно мощны, чтобы обеспечить важное новое применение. Понимаете вы как работает модель или нет, она уже полезна в этом смысле».

То есть, по существу, открылась возможность физического бесконтактного управления мозгом на расстоянии (пока только через зрение) без вовлечения сознания (или осмысления увиденного). Да, перед кем-то нарисовались довольно апокалиптичные перспективы (тем более зная о спонсорах исследования), но до подобных технологий ещё ой как далеко. Да и концы света, мягко говоря, не все сбывались.

Итак,

как это было. Нейронный контроль.

В последние несколько лет учёными разработано несколько моделей зрительной системы на основе искусственных нейронных сетей. Каждая сеть начинается с произвольной архитектуры, состоящей из так называемых узлов – моделей нейронов, которые могут быть соединены друг с другом связями различной силы, в свою очередь назваными «весами».

Обучают модели на библиотеке, составленной из более чем миллиона специально подобранных изображений.  Исследователь показывает каждое изображение вместе с меткой для самого заметного на нём объекта, такого как самолет или стул; а о распознавании объекта моделью можно судить по изменениям силы активных связей её сети.

Да, суть науки проста и изящна, но только на словах. Ведь точно определить, каким образом модель достигает такого рода распознавания, всё ещё довольно трудно. Но ДиКарло с коллегами показали, что искусственные «нейроны» в этих сетях создают модели активности, очень похожие на те, что наблюдаются в зрительных отделах коры мозга у животных. И самое главное – в ответ на те же изображения.

В новом исследовании хотелось проверить, могут ли модели выполнять ранее не запланированные задачи. В частности, стало интересно: возможно ли с помощью моделей контролировать нейронные активности в зрительной коре животных.

«Пока что с этими моделями было сделано предсказание того, какими будут нейронные реакции на другие стимулы, которых они раньше не видели», - говорит Поуя Башиван, постдок, участников проекта. «Основное отличие здесь заключается в том, что мы идем на один шаг дальше и используем модели для приведения нейронов в желаемые состояния».

Для этого была создана несколько упрощённая карта визуальной области мозга (там около миллиона нейронов, но для исследования сделали карты субпопуляций, численностью от пяти до 40 нейронов одновременно), и привязана к узлам в вычислительной модели. Это получилось благодаря демонстрации изображений животным и моделям, и сравнению их откликов на одни и те же картинки. Такой подход стал ключом к каждому отдельному соединению «узел-нейрон». ДиКарло поясняет: «Как только у каждого нейрона есть назначение, модель позволяет вам делать прогнозы относительно этого нейрона.»

Точечный запуск нейронов.

Возник вопрос: а можно ли использовать прогнозы для контроля активности отдельных нейронов в зрительной коре? 

Первый тип тестового контроля назвали «растяжением». Он включает в себя показ изображения, которое выведет активность конкретного нейрона на новый уровень. То есть далеко за пределы активности, вызываемой привычными «естественными» изображениями (например, как те, на которых строилось обучение нейронных сетей).

Исследователи обнаружили, что при демонстрации животным этих «синтетических» изображений, которые создаются моделями и не напоминают природные объекты, целевые нейроны реагировали, как и ожидалось. Оказалось, в среднем нейроны проявляли примерно на 40 процентов больше активности. Этот вид контроля никогда ранее не освещался.

В подобной серии экспериментов учёные попытались создать изображения, которые бы максимально управляли лишь одним нейроном, обособленно. В то же время есть необходимость поддерживать активность в соседних нейронах на очень низком уровне, что является более сложной задачей. Для большинства протестированных нейронов исследователи смогли повысить активность целевого нейрона с небольшим увеличением возбуждения окружающих нейронов.

Аарон Батиста, доцент биоинженерии в университете Питтсбурга, который не принимал участия в исследовании, не сдерживаясь восхищается успехом коллег: «То, что им это удалось, действительно удивительно. Как будто, по крайней мере для этого нейрона, его идеальный образ внезапно оказался в фокусе. Нейрону неожиданно был представлен стимул, который он всегда искал. …Это замечательная идея, и осуществить ее – настоящий подвиг. Возможно, это самая сильная проверка использования искусственных нейронных сетей для понимания реальных нейронных сетей».

Другой немаловажный аспект успеха озвучил Кохитий Кар (KohitijKar, доктор философии, кандидат наук в области неврологии в университете Рутгерса, постдок лаборатории Джима ДиКарло в MIT), один из испытателей: «Общей тенденцией в нейробиологии является то, что сбор экспериментальных данных и компьютерное моделирование выполняются отчасти независимо, что приводит к очень незначительному соответствию [реальности] у модели и, следовательно, к отсутствию поддающегося измерению прогресса. Наши усилия возвращают к жизни этот подход «замкнутого цикла», включающий предсказания моделей и нейронные измерения, которые имеют решающее значение для успеха построения и тестирования моделей, которые больше всего будут напоминать мозг».

Удачи и перспективы.

Исследования также показали возможность использовать модель в прогнозировании реакции нейронов области V4 на синтетические (специально составленные, непривычные, непонятные) изображения. Команда MIT обнаружила, что справедливость этих прогнозов примерно равна 54%, что, конечно, очень низко по сравнению с точностью почти 90% при использовании естественных изображений. Но, всё же, результат слишком велик, чтобы просто отмахнуться от возможностей для понимания работы мозга, которые открываются перед людьми благодаря этому результату.

Теперь исследователи надеются повысить точность моделей, позволяя им включать новую информацию, которую те получают при обработке синтетических изображений. «В идеале модель должна быть способна точно прогнозировать, независимо от того, что является входным сигналом», - говорит постдок Башиван. Это тема для следующих работ.

Научное любопытство не всегда даёт столь быстрые и наглядные результаты. Основываясь на сделанных выводах и итогах исследований можно сказать, что найденный вид контроля в перспективе может быть полезен нейробиологам в изучении взаимодействий нейронов друг с другом, их связей и эволюции этих связей. Также – потенциально, с развитием – этот же подход имеет все шансы для лечения расстройств типа депрессии. Уже сейчас исследователи работают над применением своей модели к нижневисочной коре, которая питает миндалину, участвующую в становлении эмоций. А поскольку правая миндалина «заведует» негативными, а левая – позитивными чувствами, и у каждой миндалины есть своя нижневисочная кора, то весьма вероятной оказывается перспектива терапии некоторых видов «душевных» недугов. Как говорит Башиван, «…если бы у нас была хорошая модель нейронов, которые испытывают эмоции или вызывают различные виды расстройств, мы могли бы использовать эту модель для управления нейронами таким образом, чтобы помочь облегчить эти расстройства».

Иными словами, исследование показывает, что искусственные нейросети могут быть использованы для стимулирования мозговой активности.

Вот так просто, коротко, и вместе с тем глобально.


 

 

По материалам MIT News.