斯坦福AI模型

炼成“读心术”

近日，Two Six Labs和斯坦福研究团队利用神经网络实现了对小鼠的“读心”，他们利用网络模型读取小鼠脑内的电信号，预测小鼠的行为和在迷宫中的位置，平均预测误差仅为4厘米。

大脑由相互连接的神经元组成：神经元可以响应输入信息并处于激活状态，反过来激活其他神经元。这些系统的“简化版”就是第一个人工神经网络的灵感来源。斯坦福Schnitzer实验室的研究人员制作了一个数据集，用于监控实验室的小鼠在“竞技场”中移动时的神经活动。

所谓“竞技场”其实是一个带有地标贴纸的小盒子。研究人员将一个微型显微镜连接到小鼠的头部，并记录荧光染料的轨迹，这种染料会在单个神经元放电时发出绿光，从而实现记录神经活动的目的。这项技术可以同时跟踪数百个、甚至数千个神经元的活动。

研究人员还训练了一个神经网络，根据最近的神经元放电模式预测小鼠的位置，并使用实验观察结果的前80%作为训练数据，仅给出神经元的活动，来预测后20％观察结果的小鼠位置。在尝试了许多模型体系结构后，研究人员发现具有回归输出层的简单密集神经网络表现最好，平均预测误差仅为4厘米。

（王 超）