研究人員利用人工智能 (AI) 的力量來繪制大腦中的視覺功能，他們表示這也將消除在觀察反應時可能出現的偏差。

威爾康奈爾醫學院的團隊演示了如何使用人工智能選擇的自然圖像和人工智能生成的合成圖像作為神經科學工具來探測大腦的視覺處理區域。

在發表在《通訊生物學》上的這項研究中，他們讓志愿者查看根據人類視覺系統的人工智能模型選擇或生成的圖像。

預計這些圖像將最大程度地激活多個視覺處理區域。研究人員利用功能磁共振成像(fMRI)記錄志愿者的大腦活動，發現這些圖像確實比對照圖像更好地激活了目標區域。

研究人員還表明，他們可以使用這些圖像響應數據來調整個體志愿者的視覺模型，以便為特定個體生成最大程度激活的圖像比基于通用模型生成的圖像效果更好。

“我們認為這是研究視覺神經科學的一種有前景的新方法，”威爾菲爾家族大腦和心智研究所放射學數學和神經科學數學教授 Amy Kuceyeski 博士說。

在這項研究中，該團隊使用了包含數萬張自然圖像的現有數據集以及人類受試者相應的功能磁共振成像響應，來訓練稱為人工神經網絡(ANN)的人工智能類型系統，以模擬人腦的視覺處理系統。

然后，他們使用這個模型來預測數據集中的哪些圖像應該最大限度地激活大腦的幾個目標視覺區域。他們還將該模型與基于人工智能的圖像生成器結合起來，生成合成圖像來完成相同的任務。

“我們的總體想法是以系統、公正的方式繪制和建模視覺系統，原則上甚至使用人們通常不會遇到的圖像，”庫切斯基說。

研究人員招募了六名志愿者，并記錄了他們對這些圖像的功能磁共振成像反應，重點關注幾個視覺處理區域的反應。

結果表明，對于自然圖像和合成圖像，平均而言，受試者的預測最大激活劑圖像確實比選擇或生成的僅平均激活劑的一組圖像更能激活目標大腦區域。