人工智能帮助科学家了解想法背后的大脑活动

2021年12月30日整理发布：由贝勒医学院和莱斯大学的研究人员领导的团队开发了人工智能模型，帮助他们更好地理解构成思想的大脑计算。这是新的，因为直到现在还没有方法来衡量思想。

研究人员首先开发了一种可以通过评估行为来估计想法的新模型，然后在经过训练的人工大脑上测试了他们的模型，在那里他们发现了与这些想法估计相关的神经活动。理论研究发表在国家科学院院刊上。

基于观察行为在大脑活动模式中推断思想的方法的说明。在一项实验中，一只动物试图确定水果是否成熟(红色)或不成熟(绿色)。所有水果都未成熟(盒子，左下角)，但动物表现得好像它认为有些水果已经成熟(蓝色思想泡泡)。蓝色3D立方体(中间)代表动物在任何情况下表现出的所有可能的大脑活动模式，2D灰色丝带代表遵循一个特定思维序列的所有模式，1D白线代表一种特定的大脑活动模式。那个顺序。研究人员可以使用这种几何结构来了解哪些想法产生了特定的行为，即使动物是按照错误的信念行事，比如认为水果已经成熟。

“几个世纪以来，神经科学家一直通过将大脑活动与输入和输出相关联来研究大脑如何工作，”通讯作者、贝勒大学神经科学助理教授、莱斯大学电气和计算机工程助理教授XaqPitkow说。“例如，在研究运动的神经科学时，科学家们测量肌肉运动以及神经元活动，然后将这两种测量结果联系起来。然而，为了研究大脑中的认知，我们没有任何东西可以与测量的神经活动进行比较。”

要了解大脑如何产生思想，研究人员首先需要测量思想。他们开发了一种称为“逆向理性控制”的方法，该方法查看行为并推断出最能解释该行为的信念或想法。

传统上，该领域的研究人员认为动物以最佳方式解决任务，以最大化其净收益的方式行事。但是当科学家研究动物行为时，他们发现情况并非总是如此。

“有时动物对其环境中正在发生的事情有'错误'的信念或假设，但鉴于他们认为周围正在发生的事情，它们仍然试图为他们的任务找到最好的长期结果，”皮特科说，他也是贝勒的麦克奈尔学者，贝勒神经科学和人工智能中心的联合主任和莱斯神经工程计划的成员。“这可以解释为什么动物似乎表现不佳。”

例如，考虑一种正在打猎并听到许多与猎物相关的噪音的动物。如果一个潜在的猎物发出所有的声音，猎人的最佳行为是始终将其动作瞄准单一的声音。如果猎人错误地认为噪音来自许多不同的动物，它可能会选择一种次优的行为，比如不断扫描周围环境以试图找出其中一个。通过根据附近有许多潜在猎物的信念或假设采取行动，猎人的行为方式既是理性的，也是次优的。

在工作的第二部分，Pitkow和他的同事开发了一个模型，将使用逆向理性控制方法识别的想法与大脑活动联系起来。

Pitkow说：“我们可以查看建模思想的动态以及大脑对这些思想的表征的动态。”“如果这些动态相互平行，那么我们就有信心捕捉到这些想法所涉及的大脑计算的各个方面。通过提供估计想法和解释与之相关的神经活动的方法，这项研究可以帮助科学家了解大脑如何产生复杂的行为，并为神经系统疾病提供新的视角。”

标签：