澳門教育心理學｜陳康妮：如何幫助我們理解人腦中的神經網絡 文化創意

澳門教育心理學｜陳康妮：如何幫助我們理解人腦中的神經網絡

      神經科學是一門相對年輕的學科。 在物理科學方面尤其如此。 例如，雖然我們對原子/亞原子力如何產生物理特性了解很多，但對智能行為如何從神經功能產生的了解相對較少。

      為了解決這個問題，神經科學家通常依靠直覺概念，如“感知”和“記憶”，使他們能夠理解大腦與行為之間的關係。 通過這種方式，該領域已經開始廣泛地描述神經功能。

      例如，在靈長類動物中，我們知道腹側視覺流 (VVS) 支持視覺感知，而內側顳葉 (MTL) 支持與記憶相關的行為。

      但使用這些概念來描述和分類神經處理並不意味著我們了解支持這些行為的神經功能。 至少不像物理學家理解電子那樣。 為了說明這一點，該領域對這些概念的依賴導致了持久的神經科學辯論：感知從哪裡結束，記憶從哪裡開始？ 大腦是否像我們用我們用來描述它的語言那樣進行區分？

      這個問題不僅僅是語義。 通過了解大腦在神經典型病例（即理想化但虛構的“正常”大腦）中的功能，有可能更好地支持經歷病理性記憶相關大腦狀態的個人，例如創傷後應激障礙。 不幸的是，即使經過數十年的研究，表徵這些“感知”和“助記”系統之間的關係仍導致了一場看似棘手的爭論，挫敗了將我們的大腦知識應用於更多應用環境的嘗試。

      這場辯論的任何一方的神經科學家都會查看相同的實驗數據並以截然不同的方式解釋它們：一組科學家聲稱 MTL 涉及記憶和感知，而另一組聲稱 MTL 僅負責記憶 - 相關行為。

      為了更好地理解 MTL 如何支持這些行為，史丹福大學心理學博士候選人、吳仔神經科學研究所思維、大腦、計算和技術項目的實習生 Tyler Bonnen 一直與心理學助理教授 Daniel Yamins 合作 和計算機科學和史丹福大學以人為本的人工智能 (HAI) 研究所的成員，以及史丹福大學心理學教授兼記憶實驗室主任 Anthony Wagner。

      他們最近發表在《神經元》雜誌上的工作提出了一種新的計算框架來解決這個問題：使用來自人工智能的最先進的計算工具來理清人腦中感知和記憶之間的關係。

      “感知和記憶的概念在心理學中很有價值，因為它們讓我們了解了很多關於神經功能的知識——但只是在一定程度上，”Bonnen 說。 “這些術語最終無法完全解釋大腦如何支持這些行為。 我們可以在關於 MTL 感知功能的歷史爭論中清楚地看到這一點； 因為實驗者被迫依賴直覺來判斷感知和記憶，所以他們對數據有不同的解釋。 根據我們的結果，這些數據實際上與一個統一的模型一致。”

新鮮的解決方案

        研究團隊的解決方案是利用人工智能領域計算機視覺的最新進展。 該領域是人工智能最發達的領域之一。 更具體地說，研究團隊使用了能夠預測靈長類動物視覺系統神經反應的計算模型：任務優化卷積神經網絡 (CNN)。

       “這些模型不僅‘擅長’預測視覺行為，”Bonnen 說。 “這些模型在預測靈長類動物視覺系統的神經反應方面比神經科學家為此目的明確開發的任何模型都做得更好。 這對我們的項目很有用，因為它使我們能夠將這些模型用作人類視覺系統的代理。”

       利用這些工具，Bonnen 能夠重新運行歷史實驗，這些實驗已被用作證據來支持關於 MTL 參與感知的爭論的雙方。

       首先，他們從 30 個先前發表的實驗中收集了刺激和行為數據。 然後，使用與原始實驗中完全相同的刺激（相同的圖像、相同的構圖和相同的呈現順序等），他們確定了模型執行這些任務的情況。 最後，Bonnen 將模型性能直接與實驗參與者的行為進行了比較。

       “我們的結果是驚人的。 通過該文獻中的實驗，我們的建模框架能夠預測 MTL 損傷受試者（即由於神經損傷而缺乏 MTL 的受試者）的行為。 然而，MTL 完整的受試者能夠勝過我們的計算模型，”Bonnen 說。 “這些結果清楚地將 MTL 與長期以來被描述為感知行為的事物聯繫起來，解決了數十年來明顯的不一致問題。”

       但當被問及 MTL 是否與感知有關時，Bonnen 猶豫了。 “雖然這種解釋與我們的發現完全一致，但我們不關心人們應該使用哪些詞來描述這些依賴於 MTL 的能力。 我們更有興趣使用這種建模方法來了解 MTL 如何支持這種迷人的——實際上，有時是難以形容的——行為。”

       “我們的工作與我們之前的工作之間的關鍵區別，”Bonnen 強調，“不是任何新的理論。