科技日報北京5月3日電 （記者張夢然）是否有可能僅根據(jù)大腦信號，就完全重建某人所看到的內(nèi)容？瑞士洛桑聯(lián)邦理工學院研究人員朝著這個方向邁出了重要的一步，他們引入了一種新算法構(gòu)建的人工神經(jīng)網(wǎng)絡(luò)模型，能以令人印象深刻的準確度捕捉大腦動態(tài)。該研究發(fā)表在最新一期《自然》雜志上。

　　這種新穎的機器學習算法――CEBRA植根于數(shù)學，可學習神經(jīng)代碼中的隱藏結(jié)構(gòu)。研究人員利用新算法進行了演示。一只老鼠正在觀看1960年代的黑白電影片段，其中一名男子跑向一輛打開后備箱的汽車；在另一個屏幕上，人們可看到由CEBRA計算出的電影重建畫面，新構(gòu)建的電影幾乎與原版完全吻合，但有一些輕微的怪異扭曲。

　　CEBRA從原始神經(jīng)數(shù)據(jù)中學到的信息可在解碼訓練后進行測試。團隊已證明他們可從模型中解碼老鼠在看電影時所看到的東西。但CEBRA不僅限于視覺皮層神經(jīng)元，甚至大腦數(shù)據(jù)，它還可用來預測靈長類動物手臂的運動，并重建老鼠在競技場上自由奔跑時的位置。

　　用于視頻解碼的數(shù)據(jù)由艾倫腦研所提供，大腦信號是通過插入小鼠大腦視覺皮層區(qū)域的電極探針，直接測量大腦活動而獲得，這些探針被設(shè)計成使激活的神經(jīng)元發(fā)出綠光。在訓練期間，CEBRA學習將大腦活動映射到特定幀。在以視覺皮層中不到1%的神經(jīng)元進行測試時，CEBRA表現(xiàn)良好。

　　CEBRA基于對比學習技術(shù)，這是一種學習如何將高維數(shù)據(jù)排列或嵌入到低維空間的技術(shù)。與其他算法相比，CEBRA在重建合成數(shù)據(jù)方面表現(xiàn)出色，這對于比較算法至關(guān)重要。它的優(yōu)勢還在于它能夠跨模式組合數(shù)據(jù)，例如電影功能和大腦數(shù)據(jù)，并且它有助于限制細微差別，例如由數(shù)據(jù)收集方式帶來的數(shù)據(jù)變化。

　　【總編輯圈點】

　　CEBRA是揭示復雜結(jié)構(gòu)的“專家”。鑒于大腦就是最復雜的結(jié)構(gòu)，這也可看作是CEBRA的終極測試空間。這一研究將幫助人們深入了解大腦處理信息的過程，成為人類發(fā)現(xiàn)神經(jīng)科學新原理的平臺。而該算法的實際意義還不僅限于此，它還能應用于許多涉及時間或聯(lián)合信息的數(shù)據(jù)集，包括動物行為、基因表達數(shù)據(jù)，以及進一步為人們提供高性能腦機接口所需的理論支持。