KI dekodiert Visuelle-Cortex-Neuronenpräferenzen: Wie sie Bilder «wählen»

Forscher entwickeln KI-Modell, das wertvolle Signale generiert, um zuverlässig zu bestimmen, was Neuronen «anschauen» wollen. Das Modell nutzt generatives tiefes neuronales Netz und genetischen Algorithmus namens XDREAM.

Das Experiment

Seit über 5 Jahrzehnten wissen Wissenschaftler: Neuronen im visuellen Cortex reagieren nicht gleich auf verschiedene Bilder. Das ermöglicht Tieren, visuelle Hinweise zu erkennen, verstehen, interpretieren.

Beispielsweise feuern bestimmte visuelle Neuronen im inferioren Temporallappen stärker bei Text, Objekten, Orten, Gesichtern. Doch was genau diese Neuronen ansprechen, ist noch unklar.

Ein Team der Harvard Medical School entwickelte nun KI-Modell, das wertvolle Signale generiert, um zuverlässig Neuronenpräferenzen zu bestimmen.

Bisherige Experimente nutzten echte Bilder zur Analyse neuronaler Präferenzen. Diese sind inhärent verzerrt: Sie repräsentieren nur reale Szenen und werden von Menschen für Tests ausgewählt. Das neue Modell löst dies durch synthetische Bilder, angepasst an individuelle Neuronenpräferenz.

Versuchsaufbau

Team erfasste neuronale Antworten von 6 Makaken und speiste sie in KI-Modell ein. Modell maß Feuerraten jedes visuellen Neurons im Gehirn und generierte selbstanpassende Bilder.

Affen sahen diese synthetischen Bilder in 0,1-Sekunden-Blipps für einige Stunden. Erstes Bild: willkürliches Texturmuster in Graustufen. KI führte langsam Farben und Formen basierend auf neuronalen Antworten ein. Endbild morphed zu etwas, das Neuronenpräferenz vollständig verkörperte.

Dieser KI-Ansatz nutzt generatives tiefes neuronales Netz und genetischen Algorithmus XDREAM, speziell von Forschern designed zur Evolution neuartiger synthetischer Bilder.

Referenz: Cell | DOI:10.1016/j.cell.2019.04.005 | The Harvard Gazette

KI generierte Super-Stimuli für Neuronen am Ende jedes Experiments. Ergebnisse aller Experimente waren konsistent. Viele Neuronen entwickelten durch KI Bilder, nicht identisch, aber außergewöhnlich ähnlich.

Manche Bilder entsprachen Erwartungen. Beispiel: Neuron, das auf Gesichter reagieren sollte, entwickelte kreisförmige rosa Bilder mit zwei dunklen Punkten ähnlich Augen.

Natürliche Bilder vs. von Neuronen im inferotemporalen Cortex des Affen entwickelte Bilder | Mit freundlicher Genehmigung der Forscher

Manche Ergebnisse waren erstaunlich. Ein Affenneuron produzierte konsequent Bilder eines Affenkörpers mit rotem Fleck am Hals. Team fand heraus: Dieser Affe wurde mit einem anderen aufgezogen, der rotes Halsband trug.

Nicht alle Endbilder ergaben Sinn: Ein Affenneuron erzeugte amorphe dunkle Form, ein anderes winziges schwarzes Quadrat.

Ausblick

Laut Forschern sind diese Neuronenantworten nicht «natürlich», sondern Resultat kontinuierlicher Exposition visueller Reize für spezifischen Zeitraum. Wie genau Neuronen diese Bilder erzeugen, ist noch unbekannt. Team plant, dies in nächster Studie zu beantworten.

Lernen, wie visueller Cortex auf bestimmte Bilder reagiert, könnte Wissenschaftlern helfen, Mechanismen kognitiv assoziierter Erkrankungen besser zu verstehen – Autismus-Spektrum-Störungen, Lernbehinderungen.