新智元报导
来历：twosixlabs
修改：大明
“读心术”真的能够完成吗？
近来，由DARPA和斯坦福的研讨团队正在研讨怎么“读小鼠的心”。当然，其实没有“读心术”那么玄乎，切当地说，是经过神经网络读取小鼠大脑中的电信号活动，来猜测小鼠的活动和方位。
读取小鼠的“主意”，猜测小鼠的方位
大脑由相互连接的神经元组成：神经元能够呼应输入处于激活状态，反过来激活其他神经元。这些体系的“简化版”便是第一个人工神经网络的创意来历。斯坦福Schnitzer试验室的搭档们制造了一个数据集，用于监控试验室的小鼠在“竞技场”中移动时的神经活动。
所谓“竞技场”其实是一个带有地标贴纸的小盒子。研讨人员经过将一个微型显微镜连接到小鼠的头部，并记载荧光染料的轨道，这种染料会在单个神经元在放电时宣布绿光，然后完成记载神经活动的意图。这项技能能够一起盯梢数百个、乃至数千个神经元的活动。
咱们首要重视小鼠大脑中海马体CA1区域的神经元，这是大脑中触及学习、回忆和导航的部分。该区域中的一些神经元被称为“放置细胞”，因为它们呼应于鼠标的方位而发射。例如，当鼠标坐落机箱的左上角时，给定的单元格或许只会触发。鼠标的大脑经过解说这些细胞活动或不活动的组合信号来编码方位概念。
“能够运用人工神经网络将这些生物神经元的信号符号在小鼠地点方位的地图上吗？”也便是说，假如咱们对生物神经网络进行逆向工程，是否能够经过读取小鼠的意念得知它的方位？
精确猜测生物神经元活动的方位
为此咱们练习了一个神经网络，依据最近的神经元放电形式猜测小鼠的方位。咱们运用试验调查成果的前80%作为练习数据，仅给出神经元的活动，来猜测后20％调查成果的小鼠方位。咱们尝试了许多模型体系结构，发现具有回归输出层的简略密布神经网络体现最好，均匀猜测差错仅为4 cm。小鼠身长约8厘米，而竞技场巨细为45cm×60cm的矩形。此循环动画中显现了咱们的猜测（蓝点）和小鼠的符号方位（红点）。
模型猜测给出的方位（蓝点）和小鼠的符号方位（红点）
不过，虽然回归输出体现杰出，但没有体现出对其他猜测确实定性的任何信息。为此咱们规划了另一个深度神经网络模型，这次的模型包含卷积层。咱们将“竞技场”划分为1厘米见方的网格，并练习分类使命，猜测小鼠将走过“竞技场”中的哪些网格方块。模型为猜测了小鼠会经过每个方块的概率，输出了一张猜测强度的热图。
可是，因为小鼠的实践方位的标签是单个网格方块（以小鼠的中心点为准），咱们需求开发一种新的丢失函数来练习模型，告知模型“简直正确”的猜测比“根本不贴边”的猜测更好。之后，模型的体现与点猜测模型根本适当，均匀猜测差错为5厘米。可是，猜测信息中包含了有关代替猜测和模型确定性的更多信息。视频中的蓝云表明竞技场中小鼠地点方位猜测概率最高的区域。
蓝色云代表竞技场中小鼠地点的猜测概率最高的区域。红点是小鼠的符号方位
猜测未来行为：经过小鼠行为，破解人类行为的奥妙
咱们将这种不确定性概念编入猜测模型中，然后研讨：“咱们能够经过读取小鼠的思维，来猜测其未来的方位吗？新模型不会经过检查最近的神经元放电形式，问询小鼠现在的方位，而是猜测1秒，2秒或3秒后的方位。猜测成果与基线比较依然有很好的体现。
咱们剖析的数据能够表明出小鼠的简略行为：在盒子中移动。咱们能够将数据划分为两种行为类别：“活泼”/移动，或固定/“停止”。咱们能够以75％的平衡精度猜测小鼠的当时行为归于哪一类，并且在2秒后依然具有66％的精确度。这表明咱们的海马神经元模型不只能够编码有关现在的方位信息，还对未来进行某种程度的规划。
咱们在Schnitzer试验室的合作者正在尽力制造更杂乱的行为数据集，以便咱们运用这些办法。比方能够在小鼠经过迷宫时对其进行映射，猜测左右转弯，并量化小鼠在学习走迷宫时的不确定性。或识别对小鼠展现哪些主题的图画会影响到它。咱们运用小鼠作为研讨模型，意图是更多地了解咱们自己，期望咱们的人工神经网络有助于更好地了解生物的神经网络。
https:///translating-between-brain-and-world-decoding-biological-neural-nets-with-artificial-neural-nets/
