5月15日下午,來(lái)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(qǐng),在北京大學(xué)王克楨樓1113會(huì)議室為大家?guī)?lái)了一場(chǎng)題為“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(duì)輸入進(jìn)行主動(dòng)預(yù)測(cè),從而幫助我們知覺(jué)外部世界,做出決策。他主要從三方面對(duì)預(yù)測(cè)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(duì)外部世界進(jìn)行預(yù)測(cè),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(jué)信號(hào)?
第三,預(yù)測(cè)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(cè)如何幫助人們知覺(jué)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(jué)皮層就會(huì)對(duì)之后的空間位置進(jìn)行順序激活,類(lèi)似一種預(yù)測(cè)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(jué)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(jué)皮層存在著一個(gè)拓?fù)涞貓D這一性質(zhì)找到了對(duì)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(duì)于接下來(lái)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(duì)結(jié)束位置有著明顯的激活(右邊圖)。
并且該預(yù)測(cè)性重演腦活動(dòng)并不依賴(lài)于注意的參與,無(wú)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(cè)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(duì)上位置序列有著更明顯的preplay,而對(duì)下位置序列的replay就會(huì)弱很多,反之亦然。
接下來(lái)研究者試圖回答第二個(gè)問(wèn)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(lái)的?正如下圖模型所示(Lawrence et al., NeuroImage, 2017),感覺(jué)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(lèi)器來(lái)分離出大腦對(duì)不同刺激的反應(yīng)模式,研究者用了一種更簡(jiǎn)單的方法,他們通過(guò)找到對(duì)某一特定刺激有偏好(prefer)的voxel來(lái)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(méi)有刺激輸入,被試需要回憶被提示的刺激),在V1, V2, V3對(duì)該刺激有偏好的voxel的活動(dòng)顯著高于和沒(méi)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(cè)是如何幫助我們知覺(jué)外部世界的。結(jié)果發(fā)現(xiàn),相較于無(wú)法預(yù)測(cè)接下來(lái)出現(xiàn)的刺激的條件,當(dāng)接下來(lái)出現(xiàn)的刺激可以被預(yù)測(cè)時(shí),包括V1,LOC(對(duì)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(duì)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(duì)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(lái)探索預(yù)測(cè)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(cè)的圖片相較于不能被預(yù)測(cè)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(cè)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(duì)于具有高預(yù)測(cè)性的輸入,大腦在時(shí)間上加工也更快。
總結(jié)來(lái)說(shuō),大腦能夠自發(fā)預(yù)測(cè)接下來(lái)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(jué)信號(hào)相混淆,因?yàn)楦兄X(jué)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(cè)能力能夠降低被預(yù)測(cè)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(duì)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
4779瀏覽量
101171 -
磁共振
+關(guān)注
關(guān)注
4文章
78瀏覽量
26348
原文標(biāo)題:大腦如何進(jìn)行預(yù)測(cè)?
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(qǐng)注明出處。
發(fā)布評(píng)論請(qǐng)先 登錄
相關(guān)推薦
NVIDIA研究成果年度盤(pán)點(diǎn)
全固態(tài)電池的最新研究成果與技術(shù)進(jìn)展
![全固態(tài)電池的最新<b class='flag-5'>研究成果</b>與技術(shù)進(jìn)展](https://file1.elecfans.com/web2/M00/0A/72/wKgZomcgmnWAGYqLAABUt6BXb0c857.png)
SynSense時(shí)識(shí)科技與海南大學(xué)聯(lián)合研究成果發(fā)布
![SynSense時(shí)識(shí)科技與海南大學(xué)聯(lián)合<b class='flag-5'>研究成果</b>發(fā)布](https://file1.elecfans.com/web2/M00/0A/F2/wKgaomcYmtGAaEvFAAAwXlOmQgA225.png)
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
![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<b class='flag-5'>研究成果</b>](https://file.elecfans.com/web2/M00/3B/01/poYBAGJGxW-AF365AAAoNNnGRTw018.png)
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(cè)模型NeuralGCM
日本九州大學(xué)開(kāi)發(fā)了名為QDyeFinder的人工智能(AI)工具
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(wèn)阿爾泰科技:探索大腦與電子系統(tǒng)的交叉
![校企攜手,探索“最強(qiáng)<b class='flag-5'>大腦</b>”電子科技大學(xué)特聘<b class='flag-5'>研究</b>員Minati教授訪問(wèn)阿爾泰科技:探索<b class='flag-5'>大腦</b>與電子系統(tǒng)的交叉](https://file1.elecfans.com/web2/M00/F5/00/wKgZomZ-LrmAdHJSAAUz0-lvo9g803.png)
新華社:突破性成果!祝賀我國(guó)科學(xué)家成功研發(fā)這一傳感器!
![新華社:突破<b class='flag-5'>性</b><b class='flag-5'>成果</b>!祝賀我國(guó)科學(xué)家成功研發(fā)這一傳感器!](https://file1.elecfans.com/web2/M00/F3/B0/wKgZomZ9ONuAUhAVAAAZQU0iJ6k876.png)
最新研究成果揭示,未來(lái)十年全球物聯(lián)網(wǎng)市場(chǎng)將經(jīng)歷哪些變化?
![最新<b class='flag-5'>研究成果</b>揭示,未來(lái)十年全球物聯(lián)網(wǎng)市場(chǎng)將經(jīng)歷哪些變化?](https://file.elecfans.com/web2/M00/43/7B/pYYBAGJ-B6aAHuNPAAAf8J1Ebk4778.jpg)
華盛頓大學(xué)研究成果:AI實(shí)時(shí)主動(dòng)降噪,定制用戶(hù)聲音消除
最新研究成果揭示,未來(lái)十年全球物聯(lián)網(wǎng)市場(chǎng)將經(jīng)歷哪些變化?
![最新<b class='flag-5'>研究成果</b>揭示,未來(lái)十年全球物聯(lián)網(wǎng)市場(chǎng)將經(jīng)歷哪些變化?](https://file.elecfans.com/web2/M00/42/98/poYBAGJ5xUWAAL3PAABCVAeSJ9o570.jpg)
量子計(jì)算+光伏!本源研究成果入選2023年度“中國(guó)地理科學(xué)十大研究進(jìn)展”
![量子計(jì)算+光伏!本源<b class='flag-5'>研究成果</b>入選2023年度“中國(guó)地理科學(xué)十大<b class='flag-5'>研究</b>進(jìn)展”](https://file.elecfans.com/web2/M00/3F/9D/poYBAGJo-maAOH8MAAIB_hk2Mno583.png)
評(píng)論