將視覺與運動聯繫起來，研究人員可以幫助自動駕駛汽車「看到」

研究人員發現，初級視覺皮層中的圖像處理電路不僅在動物自由移動時更活躍，而且它們從大腦的運動控制區域接收信號，該區域獨立於處理動物所看物體的區域。

為了更好地了解周圍的世界，動物不斷運動。

靈長類動物和人們使用複雜的眼球運動來聚焦視力（例如，人類在閱讀時會這樣做）；鳥類，昆蟲和齧齒動物可以通過移動頭部來做同樣的事情，甚至可以通過這種方式估計距離。

然而，這些運動如何在大腦用來「看到」的複雜神經元迴路中發揮作用，目前尚不得而知。

隨著科學家創造出人工神經網絡來模仿視覺在自動駕駛汽車中的工作方式，這可能是一個潛在的問題領域。

為了更好地理解運動與視覺之間的關係，哈佛大學的一個研究小組研究了動物自由自在漫遊時大腦主要區域之一發生的情況，以分析圖像，該研究結果發表在《神經元》雜誌上，表明初級視覺皮層中的圖像處理電路不僅在動物運動時更加活躍，而且還從獨立於大腦的運動控制區域接收信號來自處理動物所看事物的區域，實際上，研究人員在視覺皮層中描述了兩組與運動有關的模式，這些模式基於頭部運動以及動物是處於亮還是暗中。

與運動有關的發現是出乎意料的，因為視覺通常被認為是前饋計算系統，其中視覺信息通過視網膜進入並在單向路徑上運行的神經迴路中傳播，從而逐段處理信息，研究人員在這裡看到的更多證據表明，視覺系統具有比原先想像的更多的反饋組件，其中信息可以沿相反的方向傳播。

這些結果使人對神經活動如何在大腦的感覺區域中工作有了細微的了解，並增加了正在重寫大腦視覺的教科書模型的研究領域。

在視覺皮層中看到這種與運動相關的信息真的很令人驚訝，因為傳統上人們認為視覺皮層只能處理圖像，起初這是一個神秘的事物，為什麼這個感覺區域會代表這種動物正在做出的特定運動類型。

儘管科學家們無法確切地說出發生這種情況的原因，但他們認為這與大腦如何感知周圍的事物有關。

對此的模型解釋是，大腦需要以某種方式協調感知和行動，需要知道感覺輸入是何時由行為引起的，而不是何時由世界上的某些事物引起。

這項工作於2017年開始，並於2019年結束。

過去關於視覺的實驗的典型設置是這樣進行的：對動物（如小鼠或猴子）進行鎮靜、約束、使其頭部處於固定位置，然後給予視覺刺激（如照片），以便研究人員可以看到大腦中哪些神經元反應了。

這種方法由哈佛大學的科學家於1960年代率先提出，並於1981年因其努力獲得諾貝爾醫學獎。

從那時起，許多實驗都遵循了他們的模型，但並未闡明運動如何影響所分析的神經元。

這項最新實驗的研究人員希望對此進行探索，因此他們觀察了10隻老鼠晝夜不停的運轉。科學家將每隻老鼠放在一個封閉的圍欄內，該圍欄是其家的兩倍，並不斷記錄它們的頭部運動，他們使用植入的電極測量了大鼠移動時初級視覺皮層的大腦活動。

錄音的一半是在燈光下拍攝的，另一半被記錄在完全黑暗中，研究人員想比較有視覺輸入時和無視覺輸入時視覺皮層在做什麼，為了確保房間是漆黑的，由於老鼠在夜間的視力非常好，所以他們用膠帶封住了任何可以讓光線進入的縫隙。

數據顯示，平均而言，動物移動時，即使在黑暗中，大鼠視皮層中的神經元也比休息時更活躍，這讓研究人員措手不及，在漆黑的房間裡，沒有視覺數據要處理，這意味著活動來自運動皮層，而不是外部圖像。

研究小組還注意到，運動時激發的視覺皮層中的神經模式在黑暗和明亮中是不同的，這意味著它們不是直接相連的，一些準備在黑暗中激活的神經元在光線下處於一種睡眠模式。

研究人員使用機器學習算法對兩種模式進行了編碼，這樣一來，他們不僅可以通過觀察其視皮層中的神經活動來判斷大鼠以哪種方式移動其頭部，而且還可以在大鼠製造大腦之前預測其移動幾百毫秒。

研究人員通過關注次級運動皮層證實了運動信號來自大腦的運動區域，他們通過外科手術將幾隻老鼠的運動區域摧毀，然後再次進行了實驗，大腦此區域受損的大鼠不再在視覺皮層中發出信號，但是，研究人員無法確定信號是否起源於次級運動皮層，他們說，它可能只是通過的地方。

此外，科學家指出了他們發現的一些局限性。

例如，他們只測量頭部的運動，而不測量眼睛的運動。

該研究還基於夜間活動的齧齒動物。

他們的視覺系統與人類和靈長類動物具有相似之處，但複雜度不同。

儘管如此，該論文仍增加了新的研究領域，其發現可能會應用於控制機器視覺的神經網絡，例如自動駕駛汽車中的神經網絡。

所有這些都是為了更好地理解視覺是如何工作的。

神經科學正在進入一個新時代，在這個新時代中，我們認識到感知和行動是相互交織的循環。

沒有感知就沒有行動，沒有行動就沒有感知，科研人員現在擁有衡量這一點的技術。