科學家利用人工智慧,首次確認了50個新行星

2020-08-31 科技領航人

頂刊導讀目錄

1,清醒狀態非人靈長類動物深部視覺皮層的功能超聲成像

2,視覺心理意象和知覺共享的神經表徵發生在alpha頻帶

3,人臉和場景識別中人類內側頂葉的類別選擇性

4,靈長類丘腦後側中的長期價值記憶在快速自動動作中的作用

5,在先天性盲人的早期「視覺」皮層中解碼自然聲音


1,清醒狀態非人靈長類動物深部視覺皮層的功能超聲成像

期刊:PNAS

作者:Loren

在清醒的動物或人類身上,在中尺度水平上研究大腦的深層區域是不容易的。我們最近開發了一種功能性超聲(FUS)技術,可以對視覺任務的血流動力學反應進行成像。

利用FUS對兩個清醒的非人靈長類動物執行被動注視任務,我們在距狀皮層和月狀溝的視皮層(V1,V2和V3)建立了深度的視網膜定位圖。這些成像可以在相對較少刺激呈現後的一個小時中獲得。

這項技術的空間解析度是通過繪製初級視覺皮層淺層和深層內類似於眼優勢(OD)柱的圖案來說明的。這些使用FUS的採集表明OD選擇性主要存在於第IV層,但延伸到第II/III層和第V層。這項成像技術提供了一種新的中尺度方法來繪製清醒受試者的整個皮層在高時空解析度下的腦活動圖。

https://www.pnas.org/content/117/25/14453


2,視覺心理意象和知覺共享的神經表徵發生在alpha頻帶

期刊:Current Biology

作者:Aleah-jing

實驗室任務,方法和多變量分類的結果

為了在開展適應性活動時有足夠的靈活度,生物體必須對物理呈現的刺激進行快速的認知反應。為此,人類使用視覺心理意象,即從記憶中喚起生動的內在體驗的能力,來代表對刺激的感知。視覺心理意象的內容在主觀上模仿了感知到的內容,這表明心理意象和感知具有共同的神經機制。

通過對人類腦電圖(EEG)數據進行多變量表徵相似性分析,我們比較了心理意象和物體感知過程中的大腦振蕩活動的時間過程。我們發現,心理意象和感知之間共享的表徵形式只出現在alpha頻段。這些表徵存在於大腦後部電極中,但不存在於前部電極中,表明這些表徵起源於頂枕皮質。使用表徵相似性分析將共享表徵與計算模型進行比較,發現其與物體表徵上訓練的深度神經網絡的後面層之間相關聯,而不是和聽覺或語義模型關聯,這暗示了複雜視覺特徵的表徵是通用的基礎。

總之,我們的研究結果發現並刻畫了alpha振蕩作為視覺心理意象和感知之間共享的表徵的皮層標籤。

https://doi.org/10.1016/j.cub.2020.04.074


3,人臉和場景識別中人類內側頂葉的類別選擇性

期刊:Current Biology

作者:Aleah-jing

實驗刺激和MPC,MTL顱內電極位置

人臉和場景的快速識別和記憶涉及腹側視覺通路中特定類別的計算中心與分布式皮層記憶網絡的結合。為了更好地了解人類如何進行識別和辨認人臉和場景,我們記錄了一大批患者(n = 50)的頂內側皮層(MPC)和內側顳葉(MTL)的顱內信號,這些腦區被廣泛的認為參與了人臉和場景識別。

我們發現,MPC對人臉和場景識別產生了拓撲性的調諧響應,MPC中進行場景識別的電極簇位於大腦雙側,而進行人臉識別的電極簇位於右側頂下溝。MTL的類別選擇性具有結構梯度,表現為內嗅皮層前部具有人臉選擇性,而旁海馬腦區後部具有場景選擇性。

在MPC和MTL中,具有刺激特異性的可識別的樣本在這些皮層模塊中都具有更強的激活。這兩個區域協同工作促使人臉和場景識別。特徵選擇性和身份敏感性在這兩個區域是一致的,並且它們在人臉和場景識別過程中表現出θ相位鎖定。這些發現共同為MPC子區域在識別獨特實體中的特定作用提供了明確的證據。

https://doi.org/10.1016/j.cub.2020.05.018


4,靈長類丘腦後側中的長期價值記憶在快速自動動作中的作用

期刊:Current Biology

作者:Aleah-jing

視覺反應性丘腦後神經元

丘腦被廣泛認為是處理來自各個大腦區域的信息並將其傳播到其他大腦區域的腦區,在感知覺和運動執行中起著至關重要的作用。丘腦還接收基底神經節(BG)的輸入,而BG參與基於價值的決策,這表明丘腦在價值加工過程中發揮作用。

我們發現,在獼猴丘腦後側的特定腦區中的神經元編碼了視覺物體的歷史價值記憶。這些價值編碼神經元多位於膝上核(SGN)中。這個丘腦區域直接從上丘(SC)接受解剖輸入,並且其神經元顯示的視覺反應具有對側偏好。值得注意的是,這些丘腦神經元的價值辨別活動在學習過程中增加,學習後的價值甚至在學習後200天內仍保持穩定。

我們的數據表明,丘腦後部的單個神經元不僅處理簡單的視覺信息,而且還表徵歷史價值信息。此外,我們的數據表明,SC-丘腦後側-BG-SC皮層下神經迴路可以編碼歷史價值,從而繞過視覺皮層實現快速自動注視。

https://doi.org/10.1016/j.cub.2020.05.047


5,在先天性盲人的早期「視覺」皮層中解碼自然聲音

期刊:Current Biology

作者:Aleah-jing

實驗設計和不同聲音的解碼分類的結果

複雜的自然聲音,如鳥兒唱歌的聲音,說話聲或交通噪音,可以在被蒙住眼睛的正常視力被試的早期視覺皮層中誘發可解碼的fMRI激活模式。也就是說,早期視覺皮層接收非視覺信息以及來自聽覺信息中的潛在預測信息。但是,目前尚不清楚聽覺信息向早期視覺區域的轉移是視覺意象的附帶現象,還是由與視覺經驗無關的機制驅動的。

本研究發現,我們可以從缺乏視覺意象的先天性盲人的早期「視覺」腦去中的活動模式中解碼自然聲音。因此,視覺意象不是聽覺信息反饋到早期視覺皮層的前提。此外,早期視覺皮層中聲音空間模式解碼的準確度在盲人和正常視力的個體中非常相似,且解碼的準確度從中央凹到周圍區域不斷梯度增加。

這表明,即使在終生沒有視力的情況下,早期視覺皮層的典型反常組織也會發展為聽覺反饋。給早期視覺皮層的相同反饋可能會輔助正常視力個體的視覺感知,並促使該腦區參與盲人的非視覺功能。

https://doi.org/10.1016/j.cub.2020.05.018


校審:Freya(brainnews編輯部)

前文閱讀

1,

2,

相關焦點

  • 人工智慧從開創性的NASA數據確認了50顆新行星
    我們的尋星望遠鏡在工作中表現出色,以至於它們已經將數千個可能的行星定位在太陽系之外。這意味著科學家必須篩選大量數據以找出什麼是真正的星球,什麼是偽裝者。英國沃裡克大學的大衛·阿姆斯特朗(David Armstrong)領導的研究小組研究出了如何利用人工智慧來處理一些繁重的行星確認工作,從而為天文學家提供了一種新工具來幫助驗證遙遠的世界。
  • 歷史性突破:AI系統利用NASA老數據確認50顆新行星
    據外媒報導,我們的行星搜尋望遠鏡已經非常出色地完成了它們的工作,它們已經確定了太陽系外數千個可能的行星位置。不過這意味著科學家們必須篩選大量的數據以確定哪些是真正的行星、哪些什麼是假扮的行星。由英國華威大學的David Armstrong領導的一個研究小組已經研究出如何利用人工智慧(AI)來處理一些繁重的行星確認工作,這給天文學家提供了一個幫助確認遙遠世界的新工具。
  • 歷史性突破:AI系統利用NASA老數據確認50顆新行星
    據外媒報導,我們的行星搜尋望遠鏡已經非常出色地完成了它們的工作,它們已經確定了太陽系外數千個可能的行星位置。
  • AI首次「淘寶」宇宙:從NASA舊數據中確認50顆新行星
    可喜的是,英國華威大學已研究出一套計算機學習算法,可利用人工智慧(AI)來處理一些繁重的行星確認工作,毫無疑問,這給天文學家提供了一個有效減負、提升效率的新工具。該研究小組由天文學家戴維·阿姆斯特朗領導,他們通過創建計算機學習算法,讓AI對大量「候選行星」進行觀測。
  • 人工智慧剛剛通過瀏覽NASA數據確認了50個行星的存在
    科學家們希望他們的研究能夠為未來的行星驗證技術鋪平道路。當前的用於發現和確認其他行星存在的技術很容易受到噪聲,背景中物體的幹擾甚至相機誤差的影響。 該團隊通過傳授已確認行星與假陽性之間的差異來訓練算法。
  • 人工智慧的勝利!英國科學家從NASA老數據中發現50顆新行星
    英國研究人員利用人工智慧識別出了50顆新行星,標誌著天文學技術迎來重大突破。英國科學家從老數據中發現50顆新行星來自沃裡克大學(University of Warwick)的天文學家和計算機科學家建立了一個計算機學習算法,來挖掘包含有數千個潛在行星的NASA老數據。
  • 科學家首次利用人工智慧和機器學習發現火星的隕石坑
    科學家首次利用人工智慧和機器學習發現火星的隕石坑(神秘的地球uux.cn報導)據cnBeta:在2010年3月至現在,科學家首次利用人工智慧和機器學習發現了該隕石的隕石坑。行星科學家表示,在這種精細的天文學研究上使用人工智慧是一個裡程碑。來自美國宇航局噴氣推進實驗室的人工智慧研究人員共同開發了發現撞擊坑的機器學習工具。研究人員希望新的AI能夠節省時間,增加發現量。科學家發現這類隕石坑的典型方法是每天花幾個小時研究火星偵察軌道器拍攝的圖像,並尋找其表面異動。
  • 天文學家使用人工智慧算法確認了50顆新系外行星
    該算法旨在區分現實世界和望遠鏡數據中的假陽性,確認了總共50個系外行星,範圍從海王星大小的天然氣巨人到小於地球的外星球。這一證據是根據一顆遙遠的恆星發生的周期性,明顯的傾角而來的,該恆星發生在一顆行星在其圓盤與觀測望遠鏡的睜大的眼睛之間通過時發生的。這種系外行星發現被稱為過境方法。這些努力沒有白費。天文學家已經發現了超過4,200個繞太陽系運行的世界,以及5,000多個候選系外行星。
  • 美媒:天文學家利用機器學習算法確認50個新系外行星
    美媒稱,天文學家首次使用一種機器學習算法——一種自學的人工智慧技術——通過分析現已退休的克卜勒太空望遠鏡收集的數據,證實系外行星的存在。據美國新地圖集網站8月25日報導,該算法旨在辨別望遠鏡數據中的誤報,它已證實50顆系外行星的存在,它們之中既有與海王星大小差不多的氣態巨行星,也有比地球小的系外行星。
  • 突破性:AI從舊NASA數據中識別出50顆新行星
    英國研究人員利用人工智慧發現了50個新行星,這標誌著天文學的技術突破。一旦該算法學會了準確地將真實的行星與假陽性的行星分開,它就可以用於分析尚未得到確認的舊數據集,這是找到50個系外行星的地方。該大學在新聞發布會上說,這50顆系外行星圍繞其他恆星運行,大小範圍從海王星到小於地球。它們的某些軌道長達200天,而某些軌道則短至一天。現在,天文學家知道行星是真實的,他們可以將其優先級進行進一步觀察。
  • 該AI剛剛在龐大的NASA數據集中發現了50個新行星
    一種算法已經確認,存在世界上第50個新行星,用於天文學的機器學習。新系統旨在將這些誤報與對真實行星的觀測分開。[閱讀: 您可以變得更環保的4種簡單的方法 ]研究人員在克卜勒收集的兩個已確認行星和假陽性樣本上對該算法進行了訓練,該樣本 在TESS於2018年4月發射後幾個月就被美國宇航局退役。經過訓練,他們將該算法應用於另一個未經確認的行星候選數據集。
  • 50顆!AI確認大批新行星;馬斯克展示「AI豬」|圖靈周報
    01 歷史性突破:AI系統利用NASA老數據確認50顆新行星天文學家戴維·阿姆斯特朗領導的研究小組,創建了一種機器學習算法,該算法可以利用已經確認的行星數據和NASA之前的克卜勒任務的誤報數據對其進行訓練,在訓練完畢之後,研究團隊讓該AI分析一組來自克卜勒的未經證實的候選行星數據
  • AI從舊數據中識別出50顆新行星
    來源:科技日報延伸閱讀AI從舊數據中識別出50顆新行星近日,由英國華威大學的大衛·阿姆斯特朗(David Armstrong)領導的研究團隊開發了一項新的機器學習算法,可以從NASA的舊數據中識別出該團隊已通過這一工具對一批潛在行星進行了識別,並從這些天體中確認出了50個新的行星。該研究的論文發表在《皇家天文學會月刊》上。天文學家有2種方法可以用來探測系外行星。一種是徑向速度方法,它用來監測恆星是否有行星引力引起的小反運動。第二種是更敏感的技術, 也是凌日系外行星巡天衛星和克卜勒採用的技術, 它主要依靠宿主星的亮度變化。
  • 人工智慧再創佳績,幫助科學家發現新星
    一項突破性的人工智慧新技術幫助英國研究人員發現了50顆新行星。這些數據包含了數千顆潛在行星的信息。對於科學家來說,發現太陽系以外的新行星是很困難的,因為他們依靠光線的傾斜來判斷行星是否越過瞭望遠鏡的視線
  • 英國科學家開發機器學習新算法 已用其確認50顆系外行星
    新機器學習算法確認50顆系外行星據物理學家組織網25日報導,英國科學家開發出一種新的機器學習算法,已用其確認了50顆系外行星。這是天文學家首次使用機器學習技術分析潛在行星樣本,並確定哪些是真實的,哪些是「假」或假陽性,從而計算出每顆候選行星為一顆真正行星的概率。最新研究結果發表於《皇家天文學會月刊》上,該研究還首次對此類行星驗證技術進行了大規模比較。研究人員表示,他們的結論為未來使用多種驗證技術(包括他們的機器學習算法)統計並確認系外行星的發現提供了堅實基礎。
  • 首次!機器學習證實發現了50個新的行星!
    目前地外行星探索是非常熱門的一個研究方向,畢竟地球資源有限,萬一哪天地球要滅了,我們人類總得找個地方搬家吧最近,天文學家第一次使用機器學習算法,去分析一批潛在行星的樣本,計算出樣本中真假行星的概率,以此確定哪些是真正的行星。
  • 50顆!AI用NASA老數據確認大批新行星;小豬佩奇?馬斯克展示「AI豬」|圖靈周報
    01 歷史性突破:AI系統利用NASA老數據確認50顆新行星天文學家戴維·阿姆斯特朗領導的研究小組,創建了一種機器學習算法,該算法可以利用已經確認的行星數據和NASA之前的克卜勒任務的誤報數據對其進行訓練
  • 科學家首次觀測到發育中的新行星 距地球450光年
    科學家首次觀測到發育中的新行星 距地球450光年 2015-11-19 16:32:56來源:中國日報網作者:${中新記者姓名}責任編輯:李夏君
  • 人工智慧發現50個新行星,其中一個大如海王星
    導讀:最近,由英國華威大學的大衛•阿姆斯特朗領導的研究團隊開發了一項新的機器學習算法,可以從NASA的數據中識別出「系外行星」——即太陽系外的行星該團隊已通過這一工具對一批「潛在行星」進行了識別,並從這些天體中確認出了50個新的行星,這也是有史以來第一次將人工智慧技術應用於天文學領域。
  • AI從舊數據中識別出50顆新行星 該研究的論文發表在《皇家天文學會...
    近日,由英國華威大學的大衛·阿姆斯特朗(David Armstrong)領導的研究團隊開發了一項新的機器學習算法,可以從NASA的舊數據中識別出系外行星——即太陽系外的行星。該團隊已通過這一工具對一批潛在行星進行了識別,並從這些天體中確認出了50個新的行星。