視覚皮質は、現在の目標に合わせて知覚を調整します

食料品店でにんじんの袋を見たとき、あなたの心はジャガイモやパースニップやバッファローの翼とセロリに行きますか？

もちろん、心のこもった冬のシチューを作っているのか、それともスーパーボウルを見る準備をしているのかに依存します。

ほとんどの科学者は、ニンジンを根菜やパーティースナックのいずれかと考えるなど、オブジェクトを分類することであることに同意します。 前頭前野、私たちを賢くて社会的にする推論やその他の高レベルの機能の原因となる脳領域。その説明では、脳の目と視覚領域は セキュリティカメラ データを収集し、分析のために渡す前に標準化された方法で処理します。

しかし、a 新しい研究 コロンビアエンジニアリングの助教授である生物医学エンジニアおよび神経科学者Nuttida rungratsameetaweemanaが率いる アクティブ 情報を作る上での役割。重要なことに、それが情報を解釈する方法は、脳の残りの部分が何に取り組んでいるかによって異なります。

スーパーボウルの日曜日の場合、 視覚システム 前頭前野の皮質が存在することを知っている前に、それらのニンジンを野菜トレイに見ます。

4月11日に公開 自然コミュニケーション、この研究は、初期の感覚システムが意思決定において役割を果たし、それらがリアルタイムで適応するという最も明確な証拠のいくつかを提供します。また、新しいまたは予期しない状況に適応できるAIシステムを設計するための新しいアプローチを指摘しています。

Rungratmeetaweemanaと一緒に座って、研究の詳細を学びました。

この新しい研究の何がエキサイティングなのですか？

私たちの発見は、脳の初期の感覚領域が視覚入力を単に「見ている」または「記録」しているという伝統的な見解に挑戦しています。実際、人間の脳の視覚システムは、あなたがやろうとしていることに応じて、まったく同じオブジェクトをどのように表すかを積極的に再形成します。目に入る生の情報に非常に近い視覚領域でさえ、脳は現在のタスクに基づいて解釈と応答を調整する柔軟性を持っています。脳の柔軟性について考える新しい方法を提供し、これらの神経戦略をモデルにしたより適応的なAIシステムを潜在的に構築する方法のアイデアを開きます。

どうやってこの驚くべき結論に到達したのですか？

以前の作業のほとんどは、人々が時間の経過とともにカテゴリをどのように学習するかを検討しましたが、この研究は柔軟性のピースにズームインしています。脳は、同じ視覚情報を整理する異なる方法をどのように迅速に切り替えますか？

あなたの実験はどのようなものでしたか？

使用しました 機能的磁気共鳴 イメージング（fMRI）人々の脳の活動を観察しながら、さまざまなカテゴリに形状を置きます。ひねりは、形状を分類するための「ルール」が変化し続けたということでした。これにより、視覚皮質がカテゴリをどのように定義したかに応じて形状をどのように表すかを変えているかどうかを判断できます。

多変量分類器を含む計算機械学習ツールを使用してデータを分析しました。これらのツールを使用すると、さまざまな形状画像に応じて脳の活性化のパターンを調べ、脳がさまざまなカテゴリの形状を明確に区別する方法を測定できます。私たちは、参加者がどのカテゴリーに並べ替えているかによって、脳が異なる反応をすることがわかりました。

これらの実験のデータに何が見られましたか？

視覚システムの活動 – 目から直接データを扱う一次および二次視覚皮質を含む – は、実質的にすべてのタスクに変わります。彼らは、人々が使用している決定規則に応じて、アクティビティを再編成しました。これは、脳の活性化パターンがカテゴリ間の灰色の領域の近くにあるときにより特徴的になることによって示されました。それらは離れて伝えるのが最も困難な形状であったため、余分な処理が最も役立つときです。

人々がタスクでより良い仕事をした場合、fMRIデータのより明確な神経パターンを実際に見ることができました。これは、視覚皮質が柔軟な分類タスクの解決に直接役立つ可能性があることを示唆しています。

これらの発見の意味は何ですか？

柔軟な認知は、人間の認知の特徴であり、最先端のAIシステムでさえ、現在柔軟なタスクのパフォーマンスに苦労しています。私たちの結果は、新しい状況によりよく適応できるAIシステムの設計に貢献する可能性があります。結果は、ADHDや他の認知障害などの状態で認知的柔軟性がどのように崩壊するかを理解することにも貢献する可能性があります。また、処理の初期の段階であっても、私たちの脳がどれほど顕著で効率的であるかを思い出させるものです。

この一連の研究の次は何ですか？

神経回路のレベルで柔軟性のコーディングがどのように機能するかを研究することにより、神経科学をさらに推進しています。 fMRIを使用すると、ニューロンの大きな集団を見ていました。新しいフォローアップ研究では、頭蓋骨内の神経活動を記録することにより、柔軟なコーディングの回路メカニズムを調査しています。これにより、人間の脳の個々のニューロンとニューロンの回路が柔軟で目標指向の行動をどのようにサポートするかを尋ねることができます。

また、これらのアイデアが人工システムにどのように役立つかを探り始めています。人間は、ルールが変更された場合でも、新しい目標に適応するのが本当に得意ですが、現在のAIシステムはしばしばそのような柔軟性に苦しんでいます。私たちが人間の脳から学んでいることが、新しい入力だけでなく新しいに適応するモデルの設計に役立つことを願っています コンテキスト。