“记忆面包”真的存在,研究人员发现 AI 可激发大脑潜能

“记忆面包”真的存在,研究人员发现 AI 可激发大脑潜能

说到“黑匣子”,人类大脑可能是其中最难解的。无数科学家感叹,它的机理太过复杂,以至于我们无法窥见其中的门道。

幸运的是,虽然仅靠自己我们无法解开这个谜团,但加上机器的力量,结果却可能有所不同。在最新一期的《自然通信》杂志上,宾夕法尼亚大学心理学家Michael Kahana领导的研究团队指出,众所周知的“黑匣子”——机器学习算法,可以解码并增强人类的记忆力。具体如何实现呢?答案是对大脑发送精准实时的电脉冲。

也就是说,研究人员准备用一个“黑匣子”来解锁另一个“黑匣子”的巨大潜能。这种做法给人的感觉非常复杂:一方面,对于一个不可思议的难题来说,这不失为一种解决方法;但另一方面,又让人觉得不安,因为这听起来就像一个类似“天启”的科幻恐怖片的开端。

测量大脑的最佳方法当然是直接深入颅内,但大众和相关机构审查委员会,不会允许有人打着科学的旗号开启别人的头骨。因此,Kahana团队和25个癫痫患者合作,在他们每个人的大脑中植入了100-200个电极,以监测和癫痫相关的大脑放电。通过这些电极,Kahana团队还记录了跟记忆任务相关的大脑活动。

“记忆面包”真的存在,研究人员发现 AI 可激发大脑潜能

机器学习算法学会了关联电极信号和患者记住单词的可能性

Kahana团队首先了解了大脑熟记内容时的状态。当患者阅读并尝试记住一张列表中的单词时,他们每秒钟从每个电极收集了数千次电压测量数据。随后,他们又对患者的回忆过程进行了测量,以确定哪些大脑活动分别对应着记住和忘记单词。

Kahana团队将上述测量重复进行了数次。在对每个患者测量了2-3次后,他们收集到了足够多的数据用于算法训练。这些算法可以依据单个患者的大脑电极活性,预测他可能记住了哪些单词。

这项研究的关键在于,电极不仅能读取神经的活动,也能对它施加刺激。研究人员尝试着通过刺激大脑来改善(Kahana团队称之为“拯救”)实时记忆能力。受试者每隔几秒钟会看到一个新的单词,算法则根据大脑信号判断他是否能够记住这些单词。Kahana说道:“这是一个闭环系统,我们可以记录受试者的大脑状态,分析它是否能记住眼前的事物,如果不能就对它施加刺激,整个过程只需要几百毫秒。”

实验证明,这种做法确实有效。借助Kahana团队的系统,这些患者的记忆力平均提升了15%。

这并非Kahana实验室第一次进行脑刺激对记忆力影响方面的研究。去年,他们团队曾提出,电极脉冲既可以改善也可以恶化记忆力,关键在于施加电极脉冲的时机。该项研究中,研究人员发现,当他们在低官能期刺激大脑的记忆区域时,测试对象能获得更高的分数(如果在高官能期施加刺激,效果则恰恰相反)。这是一项重大发现,可惜无益于治疗。因为研究人员只有在做了记忆测试后,才能定义记忆力和大脑状态之间的关系。而如果想要增强记忆力,就必须在记忆的过程中施加脉冲刺激。

现在,Kahana和他的同事们借助机器学习算法完成了闭环。Kahana说道:“和那些识别猫咪图像的算法一样,只不过我们用它来监测大脑的电流活动,判断大脑是否处于利于学习的状态。如果电流信号显示,大脑正在高效地编码记忆,我们就不用理会它;如果不是,系统就会迅速向大脑发射电脉冲,让它更加高效。它的作用就像一个大脑起搏器。”

加州大学圣地亚哥分校的神经科学家Bradley Voytek对这项研究成果评论道:“它不具备决定性的影响,但绝对很有前景。关键在于,这个领域接下来的研究能不能产生更好的结果。如果能在患者的大脑中植入更多的电极,那么算法就能在更小的时间维度上解码更多的神经信号,提高系统的特异性。更加丰富的数据也有助于改善系统的性能。大多数癫痫患者参与类似研究的时间只有几周,如果能收集更长时间范围内的数据用于训练,那么模型的表现一定会更加优秀。”

不过,即使这套系统能够收集更加精细和丰富的数据,科学家们也必须面对一个问题,即用“黑匣子”算法研究和操纵人类大脑将产生怎样的后果。Kahana的系统虽然能在特定情况下提高受试者记单词的能力,但他却并不清楚这个过程是怎么实现的。这正是机器学习的特点。

好在Kahana的团队已经意识到了这一点,而且有些算法的原理也相对容易详察。针对这项研究,他们使用了一个简单的线性分类器,这样一来他们就能得出一些,关于单个电极活动对模型区分大脑活动模式有何影响的推论。“目前我们还不能确定,我们用来记录大脑活动的特征之间是否具有相关性”,负责该项研究的机器学习分析的UPenn心理学家Youssef Ezzyat说道。

更复杂的深度学习技术不一定会给认知能力带来更大的强化作用。但如果它真的有效,研究人员将绞尽脑汁探索算法的原理,用电脉冲为人类大脑提供加成。或者,它将造成严重的后果,研究人员也会弄清楚原因,从而阻止它。雷锋网雷锋网(公众号:雷锋网)

via wired   雷锋网编译

原创文章,作者:ItWorker,如若转载,请注明出处:https://blog.ytso.com/66929.html

(0)
上一篇 2021年8月11日 09:53
下一篇 2021年8月11日 09:53

相关推荐

发表回复

登录后才能评论