初级视觉皮层的大规模模型可以准确解决多种视觉处理任务

初级视觉皮层的大规模模型可以准确解决多种视觉处理任务

HBP 研究人员训练了小鼠初级视觉皮层的大型模型，以极其稳健的方式解决视觉任务。 该模型构成了新一代神经网络模型的基础。 由于其多功能性和节能处理，这些模型可以为神经形态计算的进步做出贡献。

大脑建模可以对人工智能 (AI) 产生巨大影响：由于大脑处理图像的能效比人工网络高得多，科学家们从神经科学中汲取灵感，创建功能更接近生物网络的神经网络，从而节省能源。

从这个意义上说，受大脑启发的神经网络可能会成为更节能的神经形态硬件中视觉处理的蓝图，从而对未来的技术产生影响。 现在，格拉茨科技大学（奥地利）人脑项目（HBP）的研究人员进行的一项研究表明，基于大数据的模型如何以通用且准确的方式再现一系列大脑视觉处理能力。 研究结果发表在《科学进展》杂志上。

神经科学电子书

去年热门采访、文章和新闻的汇编。 立即下载副本

利用 HBP 和软件公司 Nvidia 合作开发的于利希超级计算中心的 PCP 试验系统，该团队分析了小鼠初级视觉皮层的生物详细大型模型，该模型可以解决多种视觉处理任务。 该模型提供了目前可用于视觉皮层 V1 区域的解剖细节和神经生理学数据的最大整合，该区域是第一个接收和处理视觉信息的皮层区域。

该模型采用与当前人工智能中使用的深度神经网络不同的架构构建，研究人员发现，与人工智能中常用的视觉处理模型相比，它在学习速度和视觉处理能力方面具有有趣的优势。

该模型能够高精度地解决团队设置的所有五个视觉任务。 例如，这些任务涉及对手写数字的图像进行分类或识别一长串图像中的视觉变化。 值得注意的是，即使研究人员将模型暴露在训练期间未遇到的图像和网络中的噪声中，虚拟模型也实现了与大脑相同的高性能。

该模型具有卓越的鲁棒性（或其处理错误或意外输入（例如图像中的噪声）的能力）的原因之一是它再现了大脑的几种独特的编码特性。

作者开发了一种独特的工具来研究大脑类型的视觉处理和神经编码，并将他们的新模型描述为“了解该大脑区域动态的前所未有的窗口”。

来源：

人脑计划

参考：

陈，G.，等人。 (2022) 数据驱动的初级视觉皮层大规模模型能够实现类似大脑的强大且多功能的视觉处理。 科学进步。 doi.org/10.1126/sciadv.abq7592 。

。