AI读心重磅突破登Nature！大脑信号1秒被看穿，还能预测未来画面( 二 ) _AI读心

有了前面9次观看的记忆巩固加强后，研究人员又让小鼠观看第10次，并收集了这一次观看时的大脑活动数据。

文章插图
将CEBRA应用于小鼠初级视觉皮层
基于这些大脑数据，研究人员测试了CEBRA在预测电影片段中画面顺序方面的能力。
结果发现，CEBRA能够在1秒内以95%的准确率预测下一个画面。
人类大脑，终极目标
将行为动作映射到神经活动，一直是神经科学的一个基本目标。
但是，研究者们一直缺乏可以灵活利用联合行为和神经数据揭示神经动力学的非线性技术，而CEBRA算法，填补了这一空缺。
而且，CEBRA还可以用于空间映射，从而揭示复杂的运动学特征，还能提供对来自视觉皮层的自然视频的快速、高精度的解码。
具体来说，研究者提出了一个联合训练的潜在嵌入框架。
CEBRA利用用户定义的标签或仅限时间的标签，获得了一致的神经活动嵌入，可用于可视化数据和解码之类的下游任务。
这个算法基于的对比学习，正是利用相互对比的样本（正样本和负样本）来找到共同属性和区分属性。

文章插图
使用CEBRA实现一致且可解释的嵌入
CEBRA的优势就在于它的灵活性，以及有限假设和检验假设的能力。
对于海马体，可以假设这些神经元代表空间，因此行为标签可以是位置或速度（图2a）。
另外，还可以有一个替代假设：海马体不映射空间，而只是映射行进方向或其他一些特征。

文章插图
使用CEBRA的假设和发现驱动分析
论文一作Steffen Schneider称，与其他算法相比，CEBRA在重建合成数据方面表现出色，这对比较算法至关重要。
它的优势还在于，能够跨不同模式组合数据，比如电影特征和大脑数据。它还有助于限制细微差别，比如收集数据收集方式对导致数据变化。

文章插图
从小鼠视觉皮层区域解码自然视频特征
‘这项工作朝着神经技术实现高性能BMI所需的理论支持算法，又迈出了一步，’EPFL的Bertarelli综合神经科学主席兼该研究的PI mackenzie Mathis说。
研究者称，CEBRA在视觉皮层只有不到1%的神经元的情况下表现良好。要知道小鼠的大脑大约有50万个神经元组成。
CEBRA的最终目标，是揭示复杂系统中的结构。由于大脑是我们宇宙中最复杂的结构，它是CEBRA的终极测试空间。

文章插图
CEBRA还可以让我们了解大脑是如何处理信息的，并通过整合动物，甚至其他物种的数据，为发现神经科学的新原理提供一个平台。
当然，CEBRA算法并不仅限于神经科学研究，因为它可以应用于许多涉及时间或联合信息的数据集，包括动物行为和基因表达数据。因此，CEBRA潜在的临床应用令人兴奋。
网友质疑：这能叫读心术？
网友称，AI重现大脑画面的研究，这不是首次。

文章插图
在11年，UC伯克利的一项研究使用功能磁共振成像（fMRI）和计算模型，初步重建了大脑的‘动态视觉图像’ 。
也就是说，研究者重现了人类大脑看过的片段，但几乎是无法辨认。

文章插图
不过，对于这项AI解析小鼠大脑信号、成功重构出观看的电影片段，网友纷纷表示质疑。
‘我并非想贬低这项出色的工作，但这不是从老鼠看到的东西中创造视频，而是匹配哪一帧视频最符合模型解释当前帧的内容，所以．．．．．．它不是产生视频数据，而是一个帧号，然后在屏幕上显示该帧。这个区别很微妙，但很重要。’