近日，Two Six Labs和斯坦福研究團(tuán)隊利用神經(jīng)網(wǎng)絡(luò)實現(xiàn)了對小鼠的“讀心術(shù)”，他們利用網(wǎng)絡(luò)模型讀取小鼠腦內(nèi)的電信號，預(yù)測小鼠的行為和在迷宮中的位置，平均預(yù)測誤差僅為4cm。

“讀心術(shù)”真的能夠?qū)崿F(xiàn)嗎？

近日，由DARPA和斯坦福的研究團(tuán)隊正在研究如何“讀小鼠的心”。當(dāng)然，其實沒有“讀心術(shù)”那么玄乎，確切地說，是通過神經(jīng)網(wǎng)絡(luò)讀取小鼠大腦中的電信號活動，來預(yù)測小鼠的活動和位置。

讀取小鼠的“想法”，預(yù)測小鼠的位置

大腦由相互連接的神經(jīng)元組成：神經(jīng)元可以響應(yīng)輸入處于激活狀態(tài)，反過來激活其他神經(jīng)元。這些系統(tǒng)的“簡化版”就是第一個人工神經(jīng)網(wǎng)絡(luò)的靈感來源。斯坦福Schnitzer實驗室的同事們制作了一個數(shù)據(jù)集，用于監(jiān)控實驗室的小鼠在“競技場”中移動時的神經(jīng)活動。

所謂“競技場”其實是一個帶有地標(biāo)貼紙的小盒子。研究人員通過將一個微型顯微鏡連接到小鼠的頭部，并記錄熒光染料的軌跡，這種染料會在單個神經(jīng)元在放電時發(fā)出綠光，從而實現(xiàn)記錄神經(jīng)活動的目的。這項技術(shù)可以同時跟蹤數(shù)百個、甚至數(shù)千個神經(jīng)元的活動。

我們主要關(guān)注小鼠大腦中海馬體CA1區(qū)域的神經(jīng)元，這是大腦中涉及學(xué)習(xí)、記憶和導(dǎo)航的部分。該區(qū)域中的一些神經(jīng)元被稱為“放置細(xì)胞”，因為它們響應(yīng)于鼠標(biāo)的位置而發(fā)射。例如，當(dāng)鼠標(biāo)位于機(jī)箱的左上角時，給定的單元格可能只會觸發(fā)。鼠標(biāo)的大腦通過解釋這些細(xì)胞活動或不活動的組合信號來編碼位置概念。

“可以使用人工神經(jīng)網(wǎng)絡(luò)將這些生物神經(jīng)元的信號標(biāo)記在小鼠所處位置的地圖上嗎？”也就是說，如果我們對生物神經(jīng)網(wǎng)絡(luò)進(jìn)行逆向工程，是否可以通過讀取小鼠的意念得知它的位置？

準(zhǔn)確預(yù)測生物神經(jīng)元活動的位置

為此我們訓(xùn)練了一個神經(jīng)網(wǎng)絡(luò)，根據(jù)最近的神經(jīng)元放電模式預(yù)測小鼠的位置。我們使用實驗觀察結(jié)果的前80%作為訓(xùn)練數(shù)據(jù)，僅給出神經(jīng)元的活動，來預(yù)測后20％觀察結(jié)果的小鼠位置。我們嘗試了許多模型體系結(jié)構(gòu)，發(fā)現(xiàn)具有回歸輸出層的簡單密集神經(jīng)網(wǎng)絡(luò)表現(xiàn)最好，平均預(yù)測誤差僅為4 cm。小鼠身長約8厘米，而競技場大小為45cm×60cm的矩形。此循環(huán)動畫中顯示了我們的預(yù)測（藍(lán)點）和小鼠的標(biāo)記位置（紅點）。

模型預(yù)測給出的位置（藍(lán)點）和小鼠的標(biāo)記位置（紅點）

不過，盡管回歸輸出表現(xiàn)良好，但沒有表現(xiàn)出對其他預(yù)測的確定性的任何信息。為此我們設(shè)計了另一個深度神經(jīng)網(wǎng)絡(luò)模型，這次的模型包括卷積層。我們將“競技場”劃分為1厘米見方的網(wǎng)格，并訓(xùn)練分類任務(wù)，預(yù)測小鼠將走過“競技場”中的哪些網(wǎng)格方塊。模型為預(yù)測了小鼠會經(jīng)過每個方塊的概率，輸出了一張預(yù)測強度的熱圖。

但是，由于小鼠的實際位置的標(biāo)簽是單個網(wǎng)格方塊（以小鼠的中心點為準(zhǔn)），我們需要開發(fā)一種新的損失函數(shù)來訓(xùn)練模型，告訴模型“幾乎正確”的預(yù)測比“根本不貼邊”的預(yù)測更好。之后，模型的表現(xiàn)與點預(yù)測模型基本相當(dāng)，平均預(yù)測誤差為5厘米。但是，預(yù)測信息中包含了有關(guān)替代預(yù)測和模型確定性的更多信息。視頻中的藍(lán)云表示競技場中小鼠所在位置預(yù)測概率最高的區(qū)域。

藍(lán)色云代表競技場中小鼠所在的預(yù)測概率最高的區(qū)域。紅點是小鼠的標(biāo)記位置

預(yù)測未來行為：通過小鼠行為，破解人類行為的奧秘

我們將這種不確定性概念編入預(yù)測模型中，然后研究：“我們可以通過讀取小鼠的思想，來預(yù)測其未來的位置嗎？新模型不會通過查看最近的神經(jīng)元放電模式，詢問小鼠目前的位置，而是預(yù)測1秒，2秒或3秒后的位置。預(yù)測結(jié)果與基線相比仍然有很好的表現(xiàn)。

我們分析的數(shù)據(jù)可以表示出小鼠的簡單行為：在盒子中移動。我們可以將數(shù)據(jù)劃分為兩種行為類別：“活躍”/移動，或固定/“靜止”。我們能夠以75％的平衡精度預(yù)測小鼠的當(dāng)前行為屬于哪一類，并且在2秒后仍然具有66％的準(zhǔn)確度。這表明我們的海馬神經(jīng)元模型不僅能夠編碼有關(guān)現(xiàn)在的位置信息，還對未來進(jìn)行某種程度的規(guī)劃。

我們在Schnitzer實驗室的合作者正在努力制作更復(fù)雜的行為數(shù)據(jù)集，以便我們應(yīng)用這些方法。比如可以在小鼠通過迷宮時對其進(jìn)行映射，預(yù)測左右轉(zhuǎn)彎，并量化小鼠在學(xué)習(xí)走迷宮時的不確定性。或識別對小鼠展示哪些主題的圖像會刺激到它。我們使用小鼠作為研究模型，目的是更多地了解我們自己，希望我們的人工神經(jīng)網(wǎng)絡(luò)有助于更好地理解生物的神經(jīng)網(wǎng)絡(luò)。