研究人员将深度学习模型与实验数据配对，以“解码”小鼠神经活动。使用该方法，他们只需观察老鼠的神经放电模式，就可以准确地确定老鼠在开放环境中的位置以及它面向的方向。能够解码神经活动可以深入了解单个神经元甚至整个大脑区域的功能和行为。这些研究结果于 2 月 22 日发表在《生物物理学杂志》上，也可以为目前难以自主导航的智能机器的设计提供参考。
资深作者 Vasileios Maroulas 的团队与陆军研究实验室的研究人员合作，使用深度学习模型来研究参与导航的两种类型的神经元：“头部方向”神经元，它们编码有关动物面朝哪个方向的信息，和“网格细胞”，它们编码有关动物在其空间环境中的位置的二维信息。
“目前的智能系统已被证明在模式识别方面表现出色，但在导航方面，如果没有 GPS 坐标或其他东西来指导该过程，这些所谓的智能系统就无法表现得很好，”Maroulas (@VMaroulas)说)，田纳西州诺克斯维尔大学的数学家。“我认为人工智能系统的下一步是将生物信息与现有的机器学习方法相结合。”
与之前试图了解网格单元行为的研究不同，该团队的方法基于实验数据而不是模拟数据。这些数据是作为先前研究的一部分收集的，包括通过内部探针收集的神经放电模式，并与有关小鼠探索开放空间时的实际位置、头部位置和运动的“真实”视频片段配对。环境。分析涉及整合头部方向和网格单元组之间的活动模式。
“理解和表示这些神经结构需要描述高阶连接的数学模型，这意味着，我不想了解一个神经元如何激活另一个神经元，而是我想了解神经元组和团队的行为方式，”说马鲁拉斯。
使用新方法，研究人员能够比以前描述的方法更准确地预测小鼠位置和头部方向。接下来，他们计划整合来自参与导航的其他类型神经元的信息并分析更复杂的模式。
最终，研究人员希望他们的方法将有助于设计能够在不熟悉的环境中导航而无需使用 GPS 或卫星信息的智能机器。“最终目标是利用这些信息来开发一种机器学习架构，该架构能够在没有 GPS 或卫星引导的情况下成功自主导航未知地形，”Maroulas 说。
免责声明：本文由用户上传，如有侵权请联系删除！
