Команда разрабатывает компьютерную модель, объясняющую, как мозг учится категоризировать

Исследователи Нью-Йоркского университета разработали компьютерную модель, чтобы объяснить, как нейронная цепь учится классифицировать сенсорные стимулы по дискретным категориям, таким как "машина vs. мотоцикл." Их выводы, опубликованные в журнале Nature Communications, проливают новый свет на процессы в мозге, лежащие в основе суждений, которые мы делаем ежедневно.

"Категоризация жизненно важна для выживания, например, для отделения еды от несъедобных, а также для формирования концепций, например, «собака против несъедобных». кошка ‘и взаимосвязь между понятиями, например иерархическая классификация животных," говорит автор Сяо-Цзин Ван, глобальный профессор нейронных наук, физики и математики в Нью-Йоркском университете и Нью-Йоркском университете в Шанхае. "Предлагаемая нами модель может объяснить только категориальное обучение простых визуальных стимулов. Необходимы дальнейшие исследования, чтобы выяснить, применимы ли общие принципы, извлеченные из этой модели, к более сложной классификации."

Ван проводил исследование с Татьяной Энгель, научным сотрудником докторантуры на момент исследования, и Джа Чайзангмонгконом, докторантом в его группе, в сотрудничестве с экспериментатором Дэвидом Фридманом, нейробиологом из Чикагского университета. Фридман ранее разработал поведенческую парадигму для исследования электрической активности одиночных нейронов, которая коррелирует с категориальной принадлежностью зрительных стимулов.

В этой модели нейронной цепи, которая включает в себя то, что мы знаем об организации и нейрофизиологии коры головного мозга, нейронные цепи нижнего уровня отправляют информацию о зрительных стимулах в нейронную цепь более высокого уровня, где имеется аналоговая функция стимула (например, направление случайного паттерн движущихся точек) подразделяется на двоичные категории (A или B). Результаты исследователей показали, что модель охватывала широкий спектр экспериментальных наблюдений и давала конкретные прогнозы, которые были подтверждены анализом электрической активности одного нейрона, зарегистрированной в эксперименте по категориальному обучению.

Интересно, что исследователи обнаружили, что изучение правильной границы категории (разделение непрерывного признака на A и B) требует проекции обратной связи сверху вниз от нейронов, селективных по категориям, на нейроны, кодирующие признаки.

Поскольку новаторская работа Дж. Энтони Мовшон, Уильям Ньюсом из Стэнфорда и другие, было хорошо известно, что сенсорные нейроны с кодированием признаков отражают выбор животного в отношении категориального членства (A или B) стимула вероятностным способом (количественно выраженным как "вероятность выбора"). Распространенное мнение заключалось в том, что это связано с тем, что на выбор категории влияет стохастическая или случайная активность сенсорных нейронов через восходящие пути от сенсорных к категории.

Новая модель, описанная в статье Nature Communications, предлагает новую интерпретацию, а именно: "вероятность выбора" результат передачи сигналов от категории к органам чувств, нисходящей нисходящей.

Исследователи отмечают, что это открытие предлагает новое понимание проекций обратной связи в мозгу, функциональное значение которых ранее было давней загадкой.

Оставьте комментарий