重磅！AI发现大脑新模式，脑机接口被“增强”了

撰文 | 马雪薇

前语

当你开端阅览这篇文章时，你或许会不自觉地伸手拿水杯、然后喝口水，或许回头回复一下别人发来的音讯。这些看似简略的动作，实际上在大脑中引发了不同的编码进程，且是同步产生的，形成了扑朔迷离的大脑活动形式。

可是，关于瘫痪患者而言，他们的主意却无法转化为特定的肌肉动作。

近年来，脑机接口技能备受瞩目，它能够解读患者的思想，并将其指令传递给外部设备（比方机械臂），然后协助他们康复运动才能。

可是，一个关键问题：大脑中的神经网络并非简略的线性叠加，而是触及杂乱的非线性联系，这就使得一起产生的编码难以被解析。区别特定行为的大脑编码与其他行为的编码，仍是一大应战。

日前，来自南加州大学和宾夕法尼亚大学的研讨团队开发了一种人工智能（AI）算法——DPAD（Dissociative Prioritized Analysis of Dynamics），其能够有效地将特定行为的大脑形式与其他一起进行的大脑活动区别开来，进步从大脑活动中解码运动的精确性，然后明显进步脑机接口的功用。

研讨团队表明，这种办法不只能够精确地从大脑活动中解码动作，还有助于提醒大脑中或许未被注意到的新形式，然后开宣布功用更强壮的脑机接口，如医治运动障碍和瘫痪以及精神疾病。

相关研讨论文以“Dissociative and prioritized modeling of behaviorally relevant neural dynamics using recurrent neural networks”为题，已宣布在 Nature 子刊 Nature Neuroscience 上。

值得注意的是，这一算法具有极强的灵活性，未来或许用于解码如痛苦或郁闷心情等心思状况，有助于更好地医治心思健康状况，经过盯梢患者的症状状况作为反响，精确地依据他们的需求定制医治计划。

解开杂乱的神经网络

DPAD 是一种非线性动态建模办法，运用循环神经网络（RNN）架构和训练办法。DPAD 运用两节 RNN 架构，别离学习行为相关的神经动态和其他神经动态，旨在处理现有办法在建模神经行为转化时的应战，例如非线性、动力学建模、行为相关神经动态的别离和优先级以及接连和间歇行为数据建模。

图｜DPAD 结构概述。

它在神经科学范畴具有广泛的使用价值，研讨团队经过在四个不同的非人灵长类动物数据会集进行剖析，展现了 DPAD 的五个使用场景：

进步神经-行为猜测的精确性：

DPAD 经过优先学习行为相关的神经动力学，并捕捉转化中的非线性联系，然后更精确地猜测行为。在多种神经模态的数据中，DPAD 的猜测精确性都优于线性模型和非线性动态模型。这意味着 DPAD 能够更好地了解神经活动怎么转化为行为，并为神经科技开发供给更牢靠的模型。

提取行为猜测的非线性动力学改换：

DPAD 能够自动识别原始部分场电位（LFP） 活动中的非线性动力学改换，其猜测行为的才能优于传统的 LFP 功率特征。在某些数据会集，DPAD 的猜测才能乃至超过了神经元放电。这表明 DPAD 能够从 LFP 数据中提取出更具行为猜测性的信息，为 LFP 数据的剖析供给了新的思路。

完成行为猜测的非线性神经降维：

DPAD 能够在保存行为信息的一起，经过提取低维的潜在状况来完成非线性神经降维。这意味着 DPAD 能够从原始神经数据中提取出更简练的表明，一起坚持行为猜测才能。这关于神经数据的大规模处理和剖析具有重要意义。

验证非线性转化的来历：

DPAD 能够经过假定检验来确认神经-行为转化中非线性的来历，例如是潜在状况动力学、嵌入映射仍是行为读出映射。在多个运动相关数据会集，DPAD 发现非线性首要存在于潜在状况到行为的映射中。这为未来试验供给了新的假定和测验方向，有助于更深化地了解神经计算的非线性机制。

扩展到非接连和间歇性数据：

DPAD 能够处理间歇性采样的行为数据，例如心情陈述。这使其适用于情感神经科学和神经精神病学等范畴。DPAD 还能够处理非接连值的行为数据，例如决议计划挑选。这进一步扩展了 DPAD 在神经科学和神经科技中的使用规模。

可是 DPAD 也有必定的局限性。例如，DPAD 的优化方针函数对错凸的，因而无法确保收敛到大局最优解。并且，模型的质量和神经行为猜测才能取决于数据集的特性，例如信噪比。

在未来，DPAD 能够用于测验更多脑区的非线性，以更全面地了解神经-行为转化。其次，DPAD 也能够用于研讨其他信号转化，例如不同脑区之间的信号转化，以及脑对电影响或感觉影响的反响。此外，DPAD 也能够使用于社交互动，一起记载两个主体的脑活动，以发现社交互动中的同享跨主体动态。

当 AI 遇上神经科学

人类和动物的神经网络是 AI 根底模型“神经网络”的创意来历，而反过来，AI 现在也在神经科学范畴大显其身手。

近几年，AI 在神经科学范畴就有多项打破。例如，上一年 7 月，密歇根大学凯洛格眼科中心及其协作者研讨团队推出了可使用于国际空间站眼科成像的多个 AI 结构，然后更好地了解太空习惯综合症（SANS）的病理生理学并开发预防措施。

本年 1 月，巴勒莫大学及其协作者研讨团队在论文中探究了关于 AI 在支撑偏头痛的确诊和分类及其办理方面所发挥的效果的新依据，包含确认成果丈量、个性化医治和医治反响猜测。他们在研讨中发现 AI 在偏头痛的医治中具有巨大的潜力，能够协助患者取得更好的医治和办理。

8 月，在一项新的研讨中，由加州大学戴维斯分校健康中心研讨团队及其协作者开发的一种由 AI 驱动的大脑植入物，成功将大脑信号转化为语音，让失语患者从头开口说话，精确率高达 97.5%。

AI 与神经科学的结合不只相互促进，并且拓荒了新的研讨途径。在未来，这种跨学科的协作有望在神经疾病的医治、神经修正技能的开发以及大脑功用的深化了解等方面，带来更多革命性的打破。

｜点击重视我 记得标星｜