0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

哈佛大学用GAN+遗传算法 创造图像控制猴子大脑

电子工程师 来源:fqj 2019-05-08 11:28 次阅读

哈佛大学的科学家们把猴子的大脑与神经网络连接起来,试图刺激猴子大脑中负责识别面部的单个神经元。他们利用AI生成图像,然后向猴子展示这些图像,最终成功地激活特定的神经元,而不影响其他神经元。相关论文发表在最新的Cell期刊上。

新智元不久前报道,MIT 的三位科学家首次利用 AI 生成图像来激活特定视觉神经元,实现了控制动物大脑的神经元活动。

该研究引起热议,被认为是使用人工神经网络来理解真实神经网络的最强有力的验证。

无独有偶,在一项新实验中,哈佛大学的科学家们把猴子的大脑与神经网络连接起来,试图刺激猴子大脑中负责识别面部的单个神经元。他们利用 AI 生成图像,然后向猴子展示这些图像,试图尽可能地激活这些特定的神经元。

最终,AI 系统学会了生成能够激活单个脑细胞、而不会同时激活它的相邻细胞的图像。这些图像像是超现实的噩梦中的景象一般,模模糊糊的又与脸孔或其他熟悉的形状相似 —— 这是传感器人工智能开始窥视生物大脑的又一个令人兴奋的例子。

一张由神经网络进化而来、刺激猕猴神经元的图像

相关研究发表在最新的 Cell 期刊上。

研究者提出的算法名为XDREAM,可以根据特定神经元对图像的反应强度的实时反馈来生成新图像。

论文的第一作者、哈佛大学和华盛顿大学神经科学家 Carlos Ponce 说:“如果细胞会做梦,那么 (这些图像) 就是细胞梦见的景象。”

该研究的几个要点:

在神经元放电的引导下,深度神经网络和遗传算法进化生成图像

演进的图像使猕猴视觉皮层的神经元放电最大化

演进的图像比大量的自然图像更能激活神经元

与演进图像的相似性可以预测神经元对新图像的反应

哈佛大学用GAN+遗传算法 创造图像控制猴子大脑

研究概览

具体来说,研究人员利用 AI 生成图像并展示给猴子,然后研究猴子的神经元对图像的反应。然后,AI 算法可以根据大脑反应的信息来调整图像,生成可能与猴子的视觉处理系统产生更多共鸣的新图像。

Ponce 说:“当我们第一次看到这种情况时,感觉就好像我们是在用一种神经元自己的语言与它进行交流,就好像我们赋予了细胞一种交流的能力。”

实验过程:GAN+遗传算法,窥探猴子的梦境

为什么我们的眼睛更容易被某些形状、颜色和轮廓所吸引呢?

半个多世纪以来,科学家们已经了解到,大脑视觉系统中的神经元对某些图像的反应会比对其他图像的反应更强烈 —— 这一特征对于我们识别、理解和解释周围大量视觉信息的能力至关重要。

例如,当人类或其他灵长类动物 —— 具有高度协调性和视觉系统的动物 —— 在看到面孔、地点、物体或文字时,大脑中被称为下颞叶皮层的特定视觉神经元群会更活跃。但这些神经元究竟是对什么做出了反应,至今仍不清楚。

迄今为止,绝大多数试图测试神经元偏好的实验都使用了真实的图像。但真实的图像带有固有的偏见:仅限于现实世界中可用的刺激以及研究人员选择测试的图像。基于 AI 的程序可以根据每个神经元的偏好来创建合成图像,从而克服了这个障碍。

在这个研究中,来自哈佛大学医学院的几位研究人员,使用预训练的深度生成神经网络(Dosovitskiy and Brox, 2016) 和遗传算法,实现了让神经元反应来知道合成图像的进化。

深度生成对抗网络通过遗传算法表达和搜索

为了记录视觉神经元的活动,研究团队将微电极阵列植入六只猴子的下颞叶皮质(耳朵上方稍微靠后的区域)。然后,研究人员通过电脑屏幕向猴子展示图像,并测量猴子在观看图像时大脑中单个视觉神经元的放电率。

如下图所示,网络以 4096 维的向量 (图像代码) 作为输入,然后将其转换为 256×256 的 RGB 图像。

图 1:通过神经元引导的进化合成首选的刺激特定神经元的图像

(A)生成对抗网络。

(B)初始的合成图像,这里显示了 30 个示例。

(C)行为任务。

(D)实验流程。图像代码通过深度生成对抗网络传递,以合成呈现给猴子看的图像。使用神经元反应对图像代码进行排序,然后对其进行选择,重组和变异,以生成新的图像代码。

具体来说,遗传算法使用从猕猴大脑中记录到的神经元响应来优化输入到神经网络的图像代码。每个实验从 GAN 随机产生的 40 个图像(图 1B)开始。

然后记录猴子在被动执行固定任务时 IT 神经元的反应。图 1C 显示了一个单元的感受野。

然后根据神经元对每个合成图像的反应对图像编码进行评分,确定 10 张在给定神经元或神经元群中最活跃的图像。研究人员将这些图像通过一种遗传算法 —— 本质上是重新组合这些像素 —— 生成 30 张类似的图像,然后将这些图像连同最初的前 10 张图像一起展示给猴子(图 1D) 。

研究人员将整个方法称为XDREAM (EXtending DeepDream with Real-time Evolution for Activity Maximization in real neurons)。

这个过程在 1-3 小时内重复多达 250 代。

作为对照,研究人员还向猴子展示了包含人物、地点等的自然图像和简单的线条图。

进化的图像(左)和自然图像(右)

在几个小时的过程中,研究人员将每张 AI 生成的图像向猴子展示 100 毫秒。

这些图像从灰度随机纹理图案开始,根据实验中猴子神经元的激活程度,程序逐渐引入形状和颜色,直到形成最终的充分体现神经元偏好的图像。

“每次实验结束时,” 参与该研究的哈佛医学院研究生 Will Xiao 说:“程序会生成对这些细胞产生超级刺激的图像。”

神经元选择的怪异图像,有助于理解认知问题

CaffeNet 中单元首选刺激的演变

研究人员首先在人工神经网络中的单元上验证 XDREAM,作为生物神经元的模型。他们的方法为 CaffeNet 的各层单元产生了超级刺激(图 2)。

图 2:XDREAM 算法为 CaffeNet 中的单元生成超级刺激

一种生物神经元的偏好刺激的演变

随着遗传算法根据神经元的响应优化图像,合成图像会随着每一代的进化而改变。下图是进化实验的一个例子。

图 3:一个猴子选择的合成图像演化

每个图像都是每代的前 5 个合成图像的平均值(从左到右,从上到下排序),几代之后,合成图像进化成更有效的刺激 (图 4)。

哈佛大学用GAN+遗传算法 创造图像控制猴子大脑

图 4:通过最大化单个神经元的响应来合成图像的演变

视频:猴子神经元的选择导致合成图像演化的两个示例,每个演化实时都需要几个小时

其他神经元中优选刺激的演变

哈佛大学用GAN+遗传算法 创造图像控制猴子大脑

图 5:其他 IT细胞的演化

图 6:其他 IT 神经元中合成图像的演化

其中一些图片符合研究人员的预期。例如,他们怀疑神经元可能会对面孔做出反应,一个神经元进化生成圆形的粉红色图像,上面有两个类似眼睛的大黑点。

其他的则更令人惊讶。例如,其中一只猴子的神经元不断地生成看起来像猴子身体的图像,但在它的脖子附近有一个红色斑点。研究人员最终发现,这只猴子被关在另一只总是戴着红项圈的猴子旁边。

Ponce 说:“从雾中看到一个像脸一样的东西在盯着你看,而你知道这张照片是来自猴子的大脑时,这可能是我的科学生涯里的最神奇的经历之一。”

研究人员说:“我们认为这个神经元不仅对猴子的身体有优先反应,而且对特定的猴子也有优先反应。”

但并不是每一张最终的突破看起来都可以辨认。一只猴子的神经元进化产生一个黑色的小方块。另一只则产生无确定形状的黑色和橙色的混合体。

这些研究表明,这些神经元的反应并不是天生的,而是通过长期持续地接触视觉刺激来学习的。但目前还不知道这种识别特定图像的能力是如何出现的。研究团队计划在未来的研究中调查这个问题。

了解视觉系统如何对图像产生反应可能是更好地理解驱动认知问题的基本机制的关键,这些认知问题涉及学习障碍、自闭症谱系障碍等,通常以儿童处理面部线索和识别面孔的能力受损为特征。

研究人员表示,大脑视觉处理系统的故障会干扰人们连接、沟通和理解基本线索的能力,通过研究那些对面孔做出优先反应的细胞,我们可以发现社会发展如何发生的线索,以及有可能出现的问题。

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • AI
    AI
    +关注

    关注

    87

    文章

    30172

    浏览量

    268439

原文标题:【AI造梦】哈佛大学用GAN+遗传算法,创造图像控制猴子大脑

文章出处:【微信号:smartman163,微信公众号:网易智能】欢迎添加关注!文章转载请注明出处。

收藏 人收藏

    评论

    相关推荐

    图像识别算法有哪几种

    图像识别算法是计算机视觉领域的核心技术之一,它通过分析和处理图像数据,实现对图像中的目标、场景和物体的识别和分类。 图像识别
    的头像 发表于 07-16 11:22 948次阅读

    图像识别算法都有哪些方法

    图像识别算法是计算机视觉领域的核心任务之一,它涉及到从图像中提取特征并进行分类、识别和分析的过程。随着深度学习技术的不断发展,图像识别算法
    的头像 发表于 07-16 11:14 5150次阅读

    图像识别算法的提升有哪些

    引言 图像识别是计算机视觉领域的核心任务之一,旨在使计算机能够自动地识别和理解图像中的内容。随着计算机硬件的发展和深度学习技术的突破,图像识别算法的性能得到了显著提升。本文将介绍
    的头像 发表于 07-16 11:12 598次阅读

    图像识别算法的优缺点有哪些

    图像识别算法是一种利用计算机视觉技术对图像进行分析和理解的方法,它在许多领域都有广泛的应用,如自动驾驶、医疗诊断、安全监控等。然而,图像识别算法
    的头像 发表于 07-16 11:09 1362次阅读

    图像识别算法的核心技术是什么

    图像识别算法是计算机视觉领域的一个重要研究方向,其目标是使计算机能够像人类一样理解和识别图像中的内容。图像识别算法的核心技术包括以下几个方面
    的头像 发表于 07-16 11:02 573次阅读

    opencv图像识别有什么算法

    OpenCV(Open Source Computer Vision Library)是一个开源的计算机视觉和机器学习软件库,提供了大量的图像处理和计算机视觉相关的算法。以下是一些常见的OpenCV
    的头像 发表于 07-16 10:40 860次阅读

    CGD为电机控制带来GaN优势

    评估套件具有 Qorvo 的高性能无刷直流 / 永磁同步电机控制器 / 驱动器和 CGD 易于使用的 ICeGaN GaN 功率 IC 的性能   英国剑桥 - Cambridge GaN
    发表于 06-07 17:22 1709次阅读
    CGD为电机<b class='flag-5'>控制</b>带来<b class='flag-5'>GaN</b>优势

    基于FPGA的常见的图像算法模块总结

    意在给大家补充一下基于FPGA的图像算法基础,于是讲解了一下常见的图像算法模块,经过个人的总结,将知识点分布如下所示。
    的头像 发表于 04-28 11:45 547次阅读
    基于FPGA的常见的<b class='flag-5'>图像</b><b class='flag-5'>算法</b>模块总结

    基于并行遗传算法的微电网控制方法研究

    作为一种全新的发电、供电方法,微电网在保障电力供应稳定性、提高电力输送效率等方面发挥了重要作用。
    的头像 发表于 03-18 14:44 1572次阅读
    基于并行<b class='flag-5'>遗传算法</b>的微电网<b class='flag-5'>控制</b>方法研究

    哈佛大学研发量子传感器精测超导性能

    哈佛的新工具能解析氢化物超导体在高压条件下的性质,同时为这些超导材料进行高质量的图像扫描。在探索极端压力物质方面,传统的方法依赖于金刚石压砧仪器
    的头像 发表于 03-01 16:11 516次阅读

    充放电循环超6000次,又一新型电池面世

    日前,美国哈佛大学工程与应用科学学院研究人员开发了一种新型锂金属固态电池。
    的头像 发表于 01-11 14:27 917次阅读

    FPGA图像处理之CLAHE算法

    在FPGA图像处理--CLAHE算法(一)中介绍了为啥要用CLAHE算法来做图像增强。
    的头像 发表于 01-04 12:23 2410次阅读
    FPGA<b class='flag-5'>图像</b>处理之CLAHE<b class='flag-5'>算法</b>

    功率模块铜线键合工艺参数优化设计方案

    为了提高功率模块铜线键合性能,采用6因素5水平的正交试验方法,结合BP(Back Propaga‐tion)神经网络与遗传算法,提出了一种铜线键合工艺参数优化设计方案。首先,对选定样品进行正交试验
    的头像 发表于 01-03 09:41 703次阅读
    功率模块铜线键合工艺参数优化设计方案

    东南大学在酿酒酵母单细胞复制衰老寿命图像分析算法方面取得进展

    据麦姆斯咨询报道,近日,东南大学集成电路学院、电子科学与工程学院朱真教授课题组在酿酒酵母单细胞复制衰老寿命图像分析算法方面取得了重要进展。该研究结合计算机视觉和神经网络算法,应用在高通
    的头像 发表于 12-13 16:52 831次阅读
    东南<b class='flag-5'>大学</b>在酿酒酵母单细胞复制衰老寿命<b class='flag-5'>图像</b>分析<b class='flag-5'>算法</b>方面取得进展

    新型超声波墨水分散及细胞接种技术实现生物医学胚胎培养新突破

    由美国杜克大学哈佛大学医学院合作研究团队,近期成功研发出一种新型超声波墨水分散及细胞接种技术,对生物医学胚胎培养取得历史性的突破。首次在实验室环境下,利用超声波图形注射仪控制超声波墨水的深度和走向
    的头像 发表于 12-12 14:31 518次阅读