今日頭條
官方微信
官方抖音
資訊頻道解碼人類視覺神經(jīng)表征是一項具有重要科學意義的挑戰(zhàn)，可以揭示視覺處理機制并促進腦科學與人工智能的發(fā)展。然而，目前的神經(jīng)解碼方法難以泛化到訓練數(shù)據(jù)以外的新類別，主要挑戰(zhàn)在于現(xiàn)有方法未充分利用神經(jīng)數(shù)據(jù)背后的多模態(tài)語義知識，且現(xiàn)有的可利用的配對（刺激-腦響應）訓練數(shù)據(jù)很少。
近日，中科院自動化所神經(jīng)計算與腦機交互團隊將大腦、視覺和語言知識相結合，通過多模態(tài)學習實現(xiàn)了從人類腦活動中零樣本地解碼視覺新類別。相關研究成果以Decoding Visual Neural Representations by Multimodal Learning of Brain-Visual-Linguistic Features為題發(fā)表于IEEE Transactions on Pattern Analysis and Machine Intelligence (IEEE TPAMI)。人類對視覺刺激的感知和識別受到視覺特征和人們先前經(jīng)驗的影響，例如當人們看到一個熟悉的物體時，大腦會自然而然地檢索與該物體相關的知識，如圖1所示。基于此，本研究提出“腦-圖-文”三模態(tài)聯(lián)合學習框架，在使用實際呈現(xiàn)的視覺語義特征的同時，加入與該視覺目標對象相關的更豐富的語言語義特征，以更好地解碼腦信號。
該研究證明，從人腦活動中解碼新的視覺類別是可以實現(xiàn)的，并且精度較高；使用視覺和語言特征的組合比僅使用其中之一的解碼表現(xiàn)更好；在人腦語義表征過程中，視覺加工會受到語言的影響。
相關發(fā)現(xiàn)不僅對人類視覺系統(tǒng)的理解有所啟示，也有望為腦機接口技術提供新思路。研究團隊介紹，本工作提出的方法具有三個方面的潛在應用：作為一種神經(jīng)語義解碼工具，此方法將在新型讀取人腦語義信息的神經(jīng)假肢設備的開發(fā)中發(fā)揮重要作用，可為其提供技術基礎；作為神經(jīng)編碼工具，通過跨模態(tài)推斷腦活動，用于研究視覺和語言特征如何在人類大腦皮層上表達，揭示哪些腦區(qū)具有多模態(tài)屬性（即對視覺和語言特征敏感）；作為類腦特性評估工具，測試哪個模型的（視覺或語言）表征更接近于人類腦活動，從而激勵研究人員設計更加類腦的計算模型。
論文第一作者為中國科學院特別研究助理杜長德，通訊作者為何暉光研究員。研究工作得到了科技部科技創(chuàng)新2030—“新一代人工智能”重大項目、基金委項目、中國科學院自動化研究所2035創(chuàng)新任務以及CAAI-華為MindSpore學術獎勵基金及智能基座等項目的支持。為促進該領域的持續(xù)發(fā)展，研究團隊已將代碼和新收集的三模態(tài)數(shù)據(jù)集開源。
來源：中國科學院自動化研究所
北京市公安局海淀分局備案號：11010802023656號