Учёные заглянули в мозг макак и раскрыли, как работает целенаправленное зрительное внимание.
Когда обезьяна получает подсказку, нейроны в зонах V4, IT, орбитофронтальной и префронтальной коре дружно кодируют зрительные категории. Эта информация не угасает даже во время паузы, а потом, во время поиска, мозг одновременно различает и сами объекты, и то, в каком режиме внимания сейчас находится животное.
Интересно, что активность на этапе подсказки уже предсказывает, насколько быстро и успешно обезьяна потом найдёт цель. Мозг использует специальные «ортогональные» подпространства, чтобы аккуратно хранить и передавать важную информацию от этапа к этапу.
Когда взгляд фокусируется в центре, периферийные представления становятся чётче: мозг усиливает разделение паттернов и умело перестраивает геометрию нейронного пространства — причём делает это нелинейно и с учётом текущего контекста.
Во время самого поиска нейронная динамика учитывает, куда обезьяна уже смотрела раньше, и моментально меняется, когда цель найдена. А области V4 и IT даже сохраняют пространственную карту всего поля поиска, словно держат в голове план расположения объектов.
В итоге исследование красиво показывает: за осмысленным вниманием стоит изящная, динамичная хореография целых популяций нейронов.
https://www.science.org/doi/10.1126/sciadv.aed9004
Когда обезьяна получает подсказку, нейроны в зонах V4, IT, орбитофронтальной и префронтальной коре дружно кодируют зрительные категории. Эта информация не угасает даже во время паузы, а потом, во время поиска, мозг одновременно различает и сами объекты, и то, в каком режиме внимания сейчас находится животное.
Интересно, что активность на этапе подсказки уже предсказывает, насколько быстро и успешно обезьяна потом найдёт цель. Мозг использует специальные «ортогональные» подпространства, чтобы аккуратно хранить и передавать важную информацию от этапа к этапу.
Когда взгляд фокусируется в центре, периферийные представления становятся чётче: мозг усиливает разделение паттернов и умело перестраивает геометрию нейронного пространства — причём делает это нелинейно и с учётом текущего контекста.
Во время самого поиска нейронная динамика учитывает, куда обезьяна уже смотрела раньше, и моментально меняется, когда цель найдена. А области V4 и IT даже сохраняют пространственную карту всего поля поиска, словно держат в голове план расположения объектов.
В итоге исследование красиво показывает: за осмысленным вниманием стоит изящная, динамичная хореография целых популяций нейронов.
https://www.science.org/doi/10.1126/sciadv.aed9004
🔥2👍1💯1
На сцене просторного конференц-зала, под ярким светом проектора, шёл интересный научный доклад.
На огромном экране красовалась фотография Ильи Владимировича Семенкова — сосредоточенного мужчины с бритой головой и наушником.
Подпись сообщала, что это научный сотрудник Института искусственного интеллекта AIRI и НИУ ВШЭ, кандидат наук.
Слева на слайде был выведен важный блок с выводами. Илья рассказывал, как современные нейросети помогают расшифровывать естественную человеческую речь прямо по сигналам электроэнцефалограммы (ЭЭГ).
Задача оказалась не простой классификацией, а настоящим поиском в сложном пространстве мозговых сигналов.
Особенно интересно, что линейный входной блок заставляет модель самостоятельно выбирать самые компактные и значимые участки ЭЭГ.
Даже небольшой кусочек данных уже даёт ощутимое качество, хотя полезная информация в мозговых волнах выглядит довольно скромно.
Авторы показали, что интерпретируемость встроена прямо в архитектуру сети: отдельные компоненты можно рассматривать как топографические карты и паттерны активности мозга.
А ещё они научились существенно сжимать признаки без серьёзной потери качества, хотя с временной осью всё оказалось сложнее.
В итоге модель сначала находит подходящее линейное подпространство ЭЭГ, а уже потом решает задачу декодирования речи.
В зале царила сосредоточенная атмосфера: на сцене в кресле сидел ещё один участник в белой рубашке, внимательно слушая доклад.
Всё это происходило в рамках мероприятия Самарского государственного медицинского университета — место, где медицина встречается с самыми передовыми технологиями искусственного интеллекта.
Звучит как настоящее окно в будущее, где мы когда-нибудь сможем «читать мысли» по активности мозга.
На огромном экране красовалась фотография Ильи Владимировича Семенкова — сосредоточенного мужчины с бритой головой и наушником.
Подпись сообщала, что это научный сотрудник Института искусственного интеллекта AIRI и НИУ ВШЭ, кандидат наук.
Слева на слайде был выведен важный блок с выводами. Илья рассказывал, как современные нейросети помогают расшифровывать естественную человеческую речь прямо по сигналам электроэнцефалограммы (ЭЭГ).
Задача оказалась не простой классификацией, а настоящим поиском в сложном пространстве мозговых сигналов.
Особенно интересно, что линейный входной блок заставляет модель самостоятельно выбирать самые компактные и значимые участки ЭЭГ.
Даже небольшой кусочек данных уже даёт ощутимое качество, хотя полезная информация в мозговых волнах выглядит довольно скромно.
Авторы показали, что интерпретируемость встроена прямо в архитектуру сети: отдельные компоненты можно рассматривать как топографические карты и паттерны активности мозга.
А ещё они научились существенно сжимать признаки без серьёзной потери качества, хотя с временной осью всё оказалось сложнее.
В итоге модель сначала находит подходящее линейное подпространство ЭЭГ, а уже потом решает задачу декодирования речи.
В зале царила сосредоточенная атмосфера: на сцене в кресле сидел ещё один участник в белой рубашке, внимательно слушая доклад.
Всё это происходило в рамках мероприятия Самарского государственного медицинского университета — место, где медицина встречается с самыми передовыми технологиями искусственного интеллекта.
Звучит как настоящее окно в будущее, где мы когда-нибудь сможем «читать мысли» по активности мозга.
🔥6