Kako možgani prepoznajo predmete | 2020

Vsebina:

Anonim

Znanstveniki so pred tem domnevali, da se predmeti razlikujejo v spodnji časovni (IT) skorji, ki je blizu konca tega pretoka informacij, imenovane tudi ventralni tok. Nova študija nevroznanstvenikov MIT ponuja dokaze, da je to res tako.

Raziskovalci so z uporabo podatkov iz človeka in nečloveških primatov odkrili, da vzorci nevronskega streljanja v IT skorji močno korelirajo z uspehi pri nalogah prepoznavanja objektov.

"Medtem ko smo iz predhodnega dela vedeli, da je aktivnost nevronske populacije v podrejeni časovni skorji verjetno v ospredju prepoznavanja vizualnih objektov, nismo imeli napovedne karte, ki bi lahko natančno povezala to živčno aktivnost z zaznavanjem in vedenjem objekta. določen zemljevid od posameznih vidikov aktivnosti IT populacije do vedenja je zelo natančen nad vsemi vrstami predmetov, ki so bili preizkušeni, «pravi James DiCarlo, vodja oddelka za raziskovanje možganov in kognitivnih znanosti MIT, član zavoda McGovern za raziskave možganov in višji avtor študije, ki se pojavlja v študiji Journal of Neuroscience .

Glavni avtor članka je Najib Majaj, nekdanji postdok v laboratoriju DiCarlo, ki je zdaj na Univerzi v New Yorku. Drugi avtorji so nekdanji podiplomski študent MIT Ha Hong in nekdanji dodiplomski študent MIT Ethan Solomon.

Razlikovanje predmetov

Zgodnejše ustavitve vzdolž ventralnega toka naj bi obdelale osnovne vizualne elemente, kot sta svetlost in orientacija. Bolj zapletene funkcije potekajo dlje vzdolž toka, pri čemer se zaznava, da se objekt pojavlja v IT skorji.

Da bi raziskali to teorijo, so raziskovalci najprej vprašali ljudi, da opravijo 64 nalog prepoznavanja objektov. Nekatere od teh nalog so bile "trivialno lahke", pravi Majaj, kot je razlikovanje jabolka od avtomobila. Drugi - kot je diskriminacija med dvema zelo podobnima obrazoma - je bilo tako težko, da so bili subjekti pravilni le približno 50 odstotkov časa.

Po tem, ko so merili človeško zmogljivost pri teh nalogah, so raziskovalci pokazali enak niz skoraj 6.000 slik nečloveškim primatom, saj so zabeležili električno aktivnost v nevronih spodnje časovne skorje in druge vizualne regije, znane kot V4.

Vsak od 168 IT-nevronov in 128 V4 nevronov je odpustil v odgovor na nekatere objekte, ne pa tudi druge, ustvaril je vzorec streljanja, ki je služil kot poseben podpis za vsak predmet. S primerjavo teh podpisov so raziskovalci lahko analizirali, ali so povezani s sposobnostjo človeka, da razlikuje med dvema objektoma.

Raziskovalci so ugotovili, da vzorci streljanja IT-nevronov, ne pa tudi nevroni V4, popolnoma napovedujejo človeške zmogljivosti, ki so jih videli. Ko so ljudje imeli težave z razločevanjem dveh predmetov, so bili nevronski podpisi za te predmete tako podobni, da jih ni bilo mogoče razločiti, in za pare, kjer je človek uspel, so bili vzorci zelo različni.

"Na lahkih dražljajih, IT je tako kot ljudje, in na težkih dražljajih, IT tudi ni uspelo," pravi Majaj. "Imeli smo lepo povezavo med obnašanjem in živčnimi odzivi."

Ugotovitve podpirajo hipotezo, da lahko vzorci nevronske aktivnosti v IT skorji kodirajo objektne predstavitve, ki so dovolj podrobne, da možganom omogočajo razlikovanje med različnimi predmeti, pravijo raziskovalci.

Zmogljivost modela

Raziskovalci so testirali tudi več kot 10.000 drugih možnih modelov za to, kako možgani lahko kodirajo predstavitve objektov. Ti modeli so se razlikovali glede na lokacijo v možganih, število potrebnih nevronov in časovno okno za nevronsko aktivnost.

Nekateri od teh modelov, vključno z nekaterimi, ki so se zanašali na V4, so bili odpravljeni, ker so na nekaterih opravilih boljši od ljudi in na drugih slabši.

"Želeli smo, da se delovanje nevronov popolnoma ujema z zmogljivostjo ljudi v smislu vzorca, tako da bi bile lahke naloge za nevronsko populacijo in da bi bile težke naloge za nevralno populacijo težko," pravi Majaj.

Cilj raziskovalne skupine je zbrati še več podatkov, da bi vprašali, ali lahko ta model ali podobni modeli napovedujejo vedenjske težave pri prepoznavanju objektov na vsaki vizualni podobi - še višji stolpec od tistega, ki je bil do sedaj testiran. To bi lahko zahtevalo vključitev dodatnih dejavnikov v model, ki v tej študiji niso bili potrebni, in bi tako lahko izpostavili pomembne vrzeli v trenutnem razumevanju znanstvenikov nevronskih predstavitev objektov.

Prav tako nameravajo razširiti model, da bodo lahko predvideli odzive v IT, ki temeljijo na prispevkih iz prejšnjih delov vizualnega toka.

"Lahko začnemo graditi kaskado računalniških operacij, ki vas počasi premaknejo iz slike na mrežnici skozi V1, V2, V4, dokler ne bomo mogli napovedati populacije v IT," pravi Majaj.