单个神经元不可靠!这项新研究推翻以往认知,感知的最大限制在于解码过程

让神经科学家和AI科学家一起为止兴奋

铜灵 伊瓢 发自 凹非寺

量子位 报道 | 公众号 QbitAI

“单个神经元不可靠!”

一项关于神经元的研究,让众人看嗨了。

这项研究通过在小鼠身上做实验,先展示了神经元“不靠谱”的一面:

单个神经元两次对相同视觉刺激的反应,竟然是不一样的。

对于神经元的“不靠谱”性,此前的解释一直集中在噪音这个点。

而这项研究却实实在在推翻了此前观点,作者通过实验证明了:即使有噪音,神经元还是有能力获取高精度的视觉编码。

主导这项研究的小姐姐认为,小鼠感知能力的限制不由视觉皮层的神经噪音决定,而是受神经解码过程的限制。

在这项推特转发超过600,点赞超过2000的研究下,神经科学家和AI科学家一起兴奋,“Pretty Cool”“Awesome”“Great story”等赞美声此起彼伏。

虽然不是AI界日常讨论的人工神经网络,而是自然界中动物们身上存在的生物神经网络,两者并不完全一样,但动物们自身的特征,却往往是启发科学家们的关键。

高通深度学习研究工程师Jakub Tomczak想到,它和AI中的Dropout十分类似,像是近似贝叶斯平均。

Dropout,正是指的Geoffrey Hinton等人在2014年提出的防止人工神经网络过拟合的正则化技术,现在已经成为了谷歌手中的专利。

AI工程师@AIexLaurence表示,就像AI一样,单个神经元(或者节点)并不表示特定的概念,是由神经网络中特定的激活模式决定的。

AIexLaurence还认为,这项生物学研究可能会对神经网络权重的研究有启发。

还有人认为,在神经元自带不确定性的前提下,大脑依赖投票/阈值机制产生的反馈信号来判定输入的感知信息。另外,除了神经的原因之外,也可能是动物眼睛的微观结构决定。

能让搞生物的和搞计算机的有同样的high点,这具体是项怎样的研究?

“不靠谱”的神经元

事情,还要从神经元说起。

对,就是中学生物里构成神经网络的那个长长的细胞。

可能不少AI领域的同学还不知道,在神经科学领域,神经元和AI界的拥有不确定性的神经网络一样,都是不靠谱的存在。

神经元,就像一个脑洞清奇的少年,即使是同样的信息呈现在他面前,他每次都会给出不一样的反应。

究其原因,在于噪声频发,影响神经编码

神经编码,跟计算机的编码不是一回事。由于感觉信息与其它信息,都是由脑中的生物神经网络来承载与呈现的,所以人们认为,神经元有某种编码能力,处理你身体感知到的光线、声音、味道等信息。

也就是说,神经编码过程是试图建立从刺激到反应的映射,着眼于理解神经元如何对不同的刺激作出反应,建立模型来预测神经元对特定刺激的反应。

而与之对应的神经解码过程,研究的是相反方向的映射,也就是从已知的反应来推算外界刺激重建特征。

在这个过程中,是一个“多变”的过程,但总是被冠以“不靠谱”的评价。举个例子:

假如你问一个神经元这个直角屏幕的角度是多少,它一开始说是75度,五分钟后说是10度,每一次你再问的时候都是一个接近90度的随机数。

再举个例子,你在计算器上输入3+7,它每次都给出的是不同的答案……

是不是有种熟悉的感觉?

没错,什么人工不人工的智能都差不多。

可是,正经的计算设备不应该是这样的。

这就是让神经科学家很为难的地方,单个神经元得出的结论是不可靠的(灰色的点),需要多次测量来平均噪声(图中黑线)。

那么,一个神经元都这么不靠谱了,一群不靠谱的神经元竟然能把动物们的神经系统构建的这么精准,真是个奇迹。

那么,神经元们是怎么做到的呢?

这涉及到信噪比的问题。信号强度和叠加次数成正比,噪声强度和叠加次数的平方根成正比,因此叠加次数越多,信噪比越高。

有人猜测,也许在我们的大脑中,它的运算机制就是数百万个嘈杂神经元结论的平均值,通过这种方法来判断看到的是什么。

可以从几何的角度解释这个问题,当噪声与刺激驱动的相同神经子空间对齐时,噪声只能影响受到刺激部分的编码。至少,一些神经噪声与刺激子空间正交,所以不会有什么坏的影响。

但是,这些只是理论猜想,如果真的想靠实践算出噪声对神经编码的影响,这很难,毕竟只有少量信息限制的噪声也会对神经编码有很大影响。

所以,基于以上推测,我们就大致为这种“明明个体不靠谱,群体却很靠谱”的行为归纳出原因:

把每个神经元得出的结论“神奇组合”一下,得出的平均值,就是最终那个靠谱的结果。

现在,做个实验,解个码证明一下吧!

小鼠视力实验

此前有人做过对猴子的解码,证明拿一小撮神经元做实验和用上所有神经元差不多。

在这个背景下,我们的主角出场了。

一位神经科学家小姐姐Carsen Stringer用小鼠做实验,探究小鼠的感知与单个神经元的关系。

在这次实验里,小姐姐和她的团队没有对猴子下手,而是换了一种动物,盯上了小鼠。

研究人员的目标是,通过记录小鼠20000个神经元的数量,测量视觉刺激定向解码误差的下限。

这项实验的大前提是:如果限制信息噪声的确有影响,解码错误必须渐近于某个非零值。

具体的给小鼠设定的挑战是:

让小鼠看角度。

基于我们前面已知的“不靠谱”这个特性,可以预知,给予小鼠相同的视觉刺激,神经元的每次反应完全不同。

研究人员用显微镜同时记录了约20000个神经元的活动。这是一个部分的随机颜色:

然后,使用线性回归找到每个神经元的权重,将它们的活动组合成“超级神经元”,对它们的判断进行平均。

这些超级神经元比单个神经元的噪声要小很多。其实,在95%的实验中,超级神经元能够分辨45度和46度之间的微小差异。

一度之差,人类都判断不出来吧。想象一下,让一只老鼠分辨出这么微小的差异……另一位研究人员@BenucciLa真的尝试了,老鼠只能分辨出超过29度的差异,比神经元差100倍。

最终,虽然研究人员们把解码的误差做到很低了,但是并没有出现期待中渐近的状况。

也就是说,视觉皮层对老鼠的视觉特征进行了高精确度的编码,但老鼠依然在辨别方向任务中完成得很差。

锅在解码过程

于是,研究人员得出结论,老鼠能接受到的信息,比人类大脑能接受的差1000倍。

虽然老鼠不能将这些信息传递给人类,但他们也是可以利用这些信息的。比如,这些信息可以作为一种计算的第一步。

这也进一步说明,神经信号和行为之间的差异不能用刺激的类型来解释,无论是通过行为状态还是反复试验感知直觉测试。

因此,小姐姐得出结论,小鼠感官知觉的局限性不是由感觉皮层的神经噪声决定的,而是由神经元下游的解码过程限制。

作者简介

这项研究的一作Carsen Stringer小姐姐,是伦敦大学学院(UCL)计算神经学博士、美国Janelia研究院的神经网络科学家。

神经元、视觉皮层和小鼠是小姐姐的日常,此外,她还发过各种Nature、Science等顶级期刊。

传送门

论文:High precision coding in mouse visual cortex

地址:https://www.biorxiv.org/content/10.1101/679324v1

代码:

https://github.com/MouseLand/stringer-et-al-2019

版权所有,未经授权不得以任何形式转载及使用,违者必究。