华盛顿大学医学院的研究人员报告说，旨在识别图像的计算机组件的行为令人惊讶地像大脑中的神经元。“我们发现用于识别图像的深层神经网络实际上在其中具有单个单元，它们的反应方式与大脑视觉系统中的神经元非常相似，”首席作者，神经科学博士候选人Dean A Pospisil说。惠思·贝尔(Wyeth Bair)。

威斯康星大学生物结构副教授Bair和Anitha Pasupathy与Pospisil共同撰写了该 论文 。它出现在eLife杂志 上。

人工(基于计算机的)神经网络由“神经元”层组成，这些层从高层神经元接收输入信号，使用数学算法处理这些输入，并将其输出发送到下一层神经元，然后重复这些过程。过程。

如果网络的最终输出是正确的(或接近正确的答案)，则通过系统将反馈发送回去，以增强给出正确响应的算法并抑制不正确的算法。

尽管这些网络远没有大脑复杂，但是可以训练它们解决各种问题，例如如何下棋。但是，尚不清楚这些网络如何“学习”以及它们如何模仿大脑解决问题的过程。

在他们的研究中，威斯康星大学的研究人员研究了一种人工神经网络，该网络以大脑中称为腹侧视觉流的结构为模型 。在大脑中，这种结构内的神经元处理来自眼睛的信号。当这些信号通过腹侧视觉流从一个神经元移动到另一个神经元时，单个神经元对图像中越来越复杂的元素做出响应。首先，它们对黑暗和明亮的斑点做出反应，然后对边缘和形状之类的元素做出反应，直到最终对图像中的对象进行分类，例如猫或汽车。该信息被发送到其他大脑区域进行处理。

在他们的研究中，研究人员专注于腹侧视觉流中称为V4的特定点。这个领域的神经元专门研究物体的边界。许多对象经过专门调整以响应具有曲线并沿特定方向定向的边界。

为了了解计算机神经网络中的节点的行为是否类似于先前在猕猴的V4区域中记录的神经元，研究人员向猕猴实验中向网络中的单个节点提供了完全相同的视觉刺激。

他们发现单个节点确实表现得像单个V4神经元，对相同的特定形状做出反应，而忽略了其他形状。

“似乎神经网络的单个单元的行为正在收敛于我们在V4中的单个神经元中看到的行为，” Pospisil说。

他补充说，对于研究大脑的神经科学家来说，人工神经网络可能是了解大脑如何工作的有用模型，而对于计算机科学家而言，对神经网络如何解决问题的见解也是如此。