L'IA révèle ce que les neurones du système visuel du cerveau préfèrent regarder

• Les chercheurs développent un modèle basé sur l'IA qui génère des signaux précieux pour déterminer de manière fiable ce que les neurones préfèrent regarder.
• Le modèle utilise un réseau de neurones profonds génératifs et un algorithme génétique nommé XDREAM.

Depuis plus de 5 décennies, les scientifiques savent que les neurones du cortex visuel ne répondent pas de la même manière aux différentes images. C'est ce qui fait que les animaux reconnaissent, comprennent et interprètent de grandes quantités d'indices visuels autour d'eux.

Par exemple, certains neurones visuels de la région du cerveau appelés cortex temporal inférieur se déclenchent davantage lorsque les animaux regardent du texte, des objets, des lieux ou des visages. Cependant, les scientifiques ne comprennent toujours pas exactement à quoi répondent ces neurones.

Récemment, une équipe de chercheurs de la Harvard Medical School a développé un modèle d'intelligence artificielle (IA) qui génère des signaux précieux pour déterminer de manière fiable ce que les neurones préfèrent regarder.

Les expériences menées jusqu'à présent ont tenté d'analyser les préférences neuronales à l'aide d'images réelles. Ces images pourraient être intrinsèquement biaisées pour deux raisons principales :elles ne représentent que des scènes du monde réel et elles sont choisies par les humains pour les tests. Le nouveau modèle résout ce problème en générant des images synthétiques ajustées selon la préférence des neurones individuels.

L'expérience

L'équipe a capturé les réponses neuronales de 6 singes macaques et les a introduites dans le modèle basé sur l'IA. Le modèle a mesuré les taux de décharge de chaque neurone visuel dans le cerveau et généré des images auto-ajustées.

On a montré aux singes ces images synthétiques par intervalles de 0,1 seconde pendant quelques heures. La première image était un motif de texture arbitraire en niveaux de gris. L'IA a lentement introduit des couleurs et des formes basées sur des réponses neuronales. L'image finale a été transformée en quelque chose qui incarnait complètement la préférence d'un neurone.

Cette approche basée sur l'IA utilise un réseau de neurones profonds génératifs et un algorithme génétique nommé XDREAM, spécialement conçu par des chercheurs pour guider l'évolution d'une nouvelle image synthétique.

Référence :Cellule | DOI : 10.1016/j.cell.2019.04.005 | La Harvard Gazette

L'IA a pu générer un super-stimulus pour les neurones à la fin de chaque expérience. Les résultats de toutes les expériences étaient assez cohérents. De nombreux neurones ont développé des images via l'IA qui n'étaient pas identiques mais étaient exceptionnellement similaires.

Certaines images ont répondu aux attentes des chercheurs. Par exemple, un neurone qui devrait réagir aux visages a développé des images roses circulaires avec deux taches sombres semblables à des yeux.

Images naturelles vs images évoluées par les neurones du cortex inférotemporal du singe | Avec l'aimable autorisation des chercheurs 

Certains résultats étaient étonnants. Par exemple, l'un des neurones du singe produisait systématiquement des images du corps d'un singe avec une tache rouge autour du cou. L'équipe a finalement découvert que ce singe avait été élevé avec l'autre qui portait un collier rouge.

Cependant, toutes les images finales n'avaient pas de sens :le neurone d'un singe produisait une forme sombre amorphe tandis qu'un autre développait un petit carré noir.

Quelle est la prochaine étape ?

Selon les chercheurs, les réponses de ces neurones ne sont pas naturelles, mais résultent plutôt d'une exposition continue à des stimuli visuels pendant une période de temps spécifique. Comment exactement les neurones produisent ces images est encore inconnue. L'équipe prévoit de répondre à cette question dans sa prochaine étude.

Lire :La modification des neurones du cerveau peut supprimer la sculpture naturelle du sucré

Apprendre comment le cortex visuel réagit à certaines images pourrait aider les scientifiques à mieux comprendre le mécanisme à l'origine des maladies cognitives associées, notamment les troubles du spectre autistique et les troubles d'apprentissage.