显示嗅觉解剖结构的嗅觉系统无标签图
信用:安德鲁·迈耶森/维基共享，CC BY-SA 3
0 使用机器学习，计算机模型可以在几分钟内自学嗅觉
研究人员发现，当它出现时，它会建立一个神经网络，与动物大脑用来处理气味的嗅觉回路非常相似
从果蝇到人类，动物都使用基本相同的策略来处理大脑中的嗅觉信息
但是训练人工神经网络来承担简单气味分类任务的神经科学家惊讶地看到它如此忠实地复制生物学的策略
“我们使用的算法与实际的进化过程没有相似之处，”麻省理工学院麦戈文大脑研究所的副研究员杨光宇说，他是哥伦比亚大学的博士后
人工系统和生物系统的相似之处表明，大脑的嗅觉网络最适合它的任务
杨和他的合作者在10月10日报告了他们的发现
在《神经元》杂志上，他们说他们的人工网络将帮助研究人员更多地了解大脑的嗅觉回路
这项工作也有助于证明人工神经网络与神经科学的相关性
“通过展示我们可以非常精确地匹配(生物系统的)架构，我认为这给了人们更多的信心，相信这些神经网络可以继续成为大脑建模的有用工具，”杨说，他也是麻省理工学院大脑和认知科学系以及电气工程和计算机科学系的助理教授
绘制自然嗅觉回路 对于果蝇来说，大脑的嗅觉回路已经被绘制得最好，嗅觉从触角开始
那里的感觉神经元，每个都配备有专门检测特定气味的气味感受器，将气味分子的结合转化为电活动
当检测到气味时，这些构成嗅觉网络第一层的神经元向第二层发出信号:一组位于大脑中被称为触角叶的神经元
在触角叶中，共享同一受体的感觉神经元汇聚到同一第二层神经元上
“他们非常挑剔，”杨说
“它们不接受来自表达其他受体的神经元的任何输入
“因为它的神经元比第一层少，所以网络的这一部分被认为是压缩层
这些第二层神经元依次向第三层的一组更大的神经元发出信号
令人困惑的是，这些联系似乎是随机的
对于计算神经科学家杨和哥伦比亚大学研究生彼得王来说，关于果蝇嗅觉系统的知识代表了一个独特的机会
他们说，大脑中很少有部分被如此全面地描绘出来，这使得评估某些计算模型在多大程度上代表了神经回路的真实架构变得困难
构建人工气味网络 人工神经元通过重新布线来执行特定任务的神经网络是受大脑启发的计算工具
可以训练它们在复杂的数据集中挑选模式，使它们对语音和图像识别以及其他形式的人工智能有价值
有迹象表明，这样做的神经网络最能复制神经系统的活动
但是，现在是斯坦福大学博士后的王说，不同结构的网络可以产生类似的结果，神经科学家仍然需要知道人工神经网络是否反映了生物回路的实际结构
他说，有了关于果蝇嗅觉回路的全面解剖数据，“我们就能问这个问题:人工神经网络真的能用来研究大脑吗？” 杨和王与哥伦比亚神经科学家理查德·阿克塞尔(Richard Axel)和拉里·阿博特(Larry Abbott)密切合作，构建了一个由输入层、压缩层和扩展层组成的人工神经元网络——就像果蝇的嗅觉系统一样
他们给了它与果蝇系统相同数量的神经元，但没有固有的结构:神经元之间的连接会随着模型学习气味分类而重新布线
科学家们要求该网络将代表不同气味的数据分类，不仅要对单一气味进行正确分类，还要对混合气味进行正确分类
杨说，这是大脑嗅觉系统独有的优势
他解释说，如果你混合两种不同苹果的气味，大脑仍然会闻到苹果的味道
相比之下，如果两张猫的照片被一个像素一个像素地混合在一起，大脑就再也看不到猫了
杨说，这种能力只是大脑气味处理回路的一个特征，但抓住了系统的本质
人工网络只用了几分钟就组织好了
出现的结构与果蝇大脑中发现的惊人相似
压缩层中的每个神经元从特定类型的输入神经元接收输入，并且看似随机地连接到扩展层中的多个神经元
此外，扩张层的每个神经元平均从六个压缩层神经元接收连接——就像果蝇大脑一样
“可能是一个，也可能是50个
它可能介于两者之间，”杨说
“生物学发现了六个，我们的网络也发现了大约六个
“进化通过随机突变和自然选择发现了这个组织；人工网络通过标准的机器学习算法找到了它
他说，这种惊人的趋同性提供了强有力的支持，即解释嗅觉信息的大脑回路是为完成任务而最佳组织的
现在，研究人员可以使用该模型进一步探索这种结构，探索网络如何在不同条件下进化，并以实验无法完成的方式操纵电路
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
