Voorspellen wat een muis ziet door hersensignalen te decoderen

Een zwart-wit film is bijna perfect uit de hersensignalen van muizen gehaald met behulp van een kunstmatige intelligentie.
door Tsenne Kikke - woensdag 10 mei 2023 4:38

Is het mogelijk om te reconstrueren wat iemand ziet op basis van hersensignalen alleen? Het antwoord is nee, nog niet. Maar onderzoekers hebben een stap in die richting gezet door een nieuw algoritme te introduceren voor het bouwen van kunstmatige neurale netwerkmodellen die de hersendynamiek met een indrukwekkende mate van nauwkeurigheid vastleggen.

Een team van een onderzoeksuniversiteit in het Zwitserse Lausanne heeft een AI-hulpmiddel ontwikkeld dat de hersensignalen van een muis kan decoderen terwijl het naar een film kijkt, waarbij er - vanuit het oogpunt van het knaagdier - tegelijkertijd een clip van de film wordt gemaakt.

Een algoritme voor machinaal leren, CEBRA genaamd ('zebra' uitgesproken), werd getraind om hersenactiviteit in kaart te brengen die verband houdt met frames uit de film. CEBRA kon vervolgens voorspellen en nabootsen waarnaar de muis had gekeken. De onderzoekers toonden een zwart-wit clip van een man die naar een auto loopt en een kofferbak opent. Een ander scherm toonde de AI gereconstrueerde beelden van hoe de muis de film bekeek.

Mackenzie Mathis van het 'Swiss Federal Institute of Technology Lausanne' en haar collega's onderzochten op die manier de hersenactiviteit van ongeveer 50 muizen terwijl elke van hen negen keer naar een filmclip van 30 seconden keken. De onderzoekers trainden vervolgens een AI om deze gegevens te koppelen aan het filmpje van 600 frames, waarin een man naar die auto rent en de kofferbak opent.

"Concreet is CEBRA gebaseerd op contrastief leren, een techniek die leert hoe hoog-dimensionale gegevens kunnen worden gerangschikt, of ingebed, in een lager-dimensionale ruimte die latente ruimte wordt genoemd, zodat gelijksoortige gegevenspunten dicht bij elkaar liggen en meer verschillende gegevenspunten verder uit elkaar," legde Mathis uit. "Deze inbedding kan worden gebruikt om verborgen relaties en structuur in de gegevens af te leiden. Het stelt onderzoekers in staat om neurale gegevens en gedragslabels, waaronder gemeten bewegingen, abstracte labels zoals 'beloning', of zintuiglijke kenmerken zoals kleuren of texturen van beelden, gezamenlijk te beschouwen."

"CEBRA munt uit in vergelijking met andere algoritmen uit in het reconstrueren van synthetische gegevens, wat cruciaal is om algoritmen te vergelijken," zegt Steffen Schneider, de mede-eerste auteur van het artikel. "Zijn sterke punten liggen ook in zijn vermogen om gegevens van verschillende modaliteiten te combineren, zoals filmkenmerken en hersengegevens, en het helpt nuances te beperken, zoals veranderingen in de gegevens die afhangen van hoe ze zijn verzameld."

"Het doel van CEBRA is het blootleggen van structuur in complexe systemen. En aangezien het brein de meest complexe structuur in ons universum is, is het de ultieme testruimte voor CEBRA. Het kan ons ook inzicht geven in hoe de hersenen informatie verwerken en zou een platform kunnen zijn voor het ontdekken van nieuwe principes in de neurowetenschappen door gegevens van verschillende dieren en zelfs soorten te combineren", aldus Mathis. "Dit algoritme is niet beperkt tot neurowetenschappelijk onderzoek, want het kan worden toegepast op vele datasets met tijd of gezamenlijke informatie, waaronder gegevens over dierlijk gedrag en genexpressie. De potentiële klinische toepassingen zijn dus opwindend."

"Vind mensen, die in zichzelf zowel de motivatie als de aangeboren drijfveer hebben om aan hun Innerlijke Zelf te werken, en we zullen hen gidsen."

- DIMschool vzw, de énige gespecialiseerd in Zelfkennis, zijnde: het kennen van het Zelf -
--------------------------------------------------------------------------------------------------------------------------------------------------

En, voel jij je geroepen om Spiritualia te sponsoren?
Klik dan op deze link. Alvast bedankt!

Overschrijven kan ook via: IBAN: BE22 7795 9845 2547 - BIC: GKCCBEBB

- Indien je zo'n (bak)steentje bijdraagt, ook eventueel via een aankoop of een Zoek&Vind abonnement, mogen we jouw naam hieronder publiceren? Laat het ons weten! -