日前，計(jì)算機(jī)與人工智能學(xué)院 阿里云大數(shù)據(jù)學(xué)院 軟件學(xué)院楊千里博士與美國(guó)萊斯大學(xué)、美國(guó)貝勒醫(yī)學(xué)院和美國(guó)西北大學(xué)合作，成功發(fā)現(xiàn)獼猴大腦在完成復(fù)雜感知抉擇任務(wù)中，利用初級(jí)視覺(jué)皮層群體神經(jīng)元進(jìn)行了近似最優(yōu)的非線性神經(jīng)計(jì)算。該研究成果推動(dòng)了人類(lèi)理解大腦作為一個(gè)智能器官如何完成日常感知復(fù)雜決策，以便未來(lái)依據(jù)不同腦區(qū)在大腦進(jìn)行復(fù)雜決策時(shí)關(guān)于抽象策略的表征、整合和動(dòng)態(tài)切換的功能，更高效地利用腦機(jī)接口、深腦刺激等技術(shù)治療精神類(lèi)疾病，也有助于啟迪開(kāi)發(fā)新型人工智能算法實(shí)現(xiàn)更復(fù)雜的現(xiàn)實(shí)實(shí)際抉擇任務(wù)。
感知和抉擇是靈長(zhǎng)類(lèi)動(dòng)物最重要的高級(jí)思維活動(dòng)，然而對(duì)于復(fù)雜感知和抉擇的神經(jīng)計(jì)算機(jī)制的研究往往面臨實(shí)驗(yàn)范式過(guò)于簡(jiǎn)單、計(jì)算模型不通用的挑戰(zhàn)。針對(duì)這一挑戰(zhàn)，團(tuán)隊(duì)著力構(gòu)建了更符合大腦生物學(xué)原理和數(shù)學(xué)上更為自洽的非線性神經(jīng)編解碼模型。該理論框架服從冗余代碼的數(shù)學(xué)假設(shè)，提出當(dāng)皮層神經(jīng)元比初級(jí)感覺(jué)神經(jīng)元的數(shù)量級(jí)大很多時(shí)，其編碼的信息必須受限于初級(jí)感覺(jué)系統(tǒng)所蘊(yùn)含的信息量。同時(shí)預(yù)測(cè)，如果大腦以最佳方式使用神經(jīng)元群體的信號(hào)，其信息量更大的模式應(yīng)該與動(dòng)物的選擇更為相關(guān)。在此基礎(chǔ)上，團(tuán)隊(duì)探究了具體感知任務(wù)中大腦進(jìn)行神經(jīng)編解碼的形式和效率，并通過(guò)行為學(xué)實(shí)驗(yàn)以及獼猴初級(jí)視覺(jué)皮層群體神經(jīng)元反應(yīng)的數(shù)據(jù)分析，成功發(fā)現(xiàn)了大腦在采用近似最優(yōu)非線性計(jì)算以完成復(fù)雜感知和抉擇。相關(guān)研究不僅對(duì)揭示復(fù)雜感知抉擇的神經(jīng)計(jì)算機(jī)制具有深遠(yuǎn)的科學(xué)意義，并在分析其他涉及復(fù)雜感知和抉擇認(rèn)知任務(wù)的神經(jīng)計(jì)算機(jī)制中有廣泛的應(yīng)用潛力。
圖1: 非線性神經(jīng)編碼示例
圖2: 非線性選擇相關(guān)性分析
該研究成果全文“Revealing nonlinear neural decoding by analyzing choices”（《從獼猴行為中揭示非線性神經(jīng)解碼機(jī)制》）于11月16日發(fā)表于Nature Communications（《自然通訊》），文章第一作者楊千里博士是我校計(jì)算機(jī)與人工智能學(xué)院 阿里云大數(shù)據(jù)學(xué)院 軟件學(xué)院2018年引進(jìn)的高層次人才，該研究工作得到國(guó)家自然科學(xué)基金委和江蘇省教育廳的資助。（通訊員/沈達(dá)滿(mǎn) 任濤 審核/陸恒 喬增偉）
論文鏈接：https://www.nature.com/articles/s41467-021-26793-9
