【ZiDongHua創(chuàng)新自科文收錄關(guān)鍵詞：中科院自動(dòng)化所 腦科學(xué)研究 科技創(chuàng)新 模式識別 人工智能 】

無創(chuàng)解碼大腦信號語義，中科院自動(dòng)化所團(tuán)隊(duì)在多模態(tài)神經(jīng)信息編解碼方面取得新進(jìn)展

導(dǎo)讀 |近日，中科院自動(dòng)化所神經(jīng)計(jì)算與腦機(jī)交互團(tuán)隊(duì)將大腦、視覺和語言知識相結(jié)合，通過多模態(tài)學(xué)習(xí)實(shí)現(xiàn)了從人類腦活動(dòng)中零樣本地解碼視覺新類別。相關(guān)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)。

解碼人類視覺神經(jīng)表征是一項(xiàng)具有重要科學(xué)意義的挑戰(zhàn)，可以揭示視覺處理機(jī)制并促進(jìn)腦科學(xué)與人工智能的發(fā)展。然而，目前的神經(jīng)解碼方法仍然面臨著未能充分利用神經(jīng)數(shù)據(jù)背后的多模態(tài)語義知識，以及現(xiàn)有的可利用配對(刺激-腦響應(yīng))訓(xùn)練數(shù)據(jù)不足等問題，難以泛化到訓(xùn)練數(shù)據(jù)以外的新類別。近日，中科院自動(dòng)化所神經(jīng)計(jì)算與腦機(jī)交互團(tuán)隊(duì)將大腦、視覺和語言知識相結(jié)合，通過多模態(tài)學(xué)習(xí)成功實(shí)現(xiàn)了從人類腦活動(dòng)中零樣本地解碼視覺新類別。

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(yàn)的影響，例如當(dāng)人們看到一個(gè)熟悉的物體時(shí)，大腦會(huì)自然而然地檢索與該物體相關(guān)的知識。如圖1所示，認(rèn)知神經(jīng)科學(xué)對雙重編碼理論的研究認(rèn)為，具體概念在大腦中既以視覺方式又以語言方式進(jìn)行編碼，其中語言作為有效的先驗(yàn)經(jīng)驗(yàn)，有助于塑造由視覺生成的表征。因此，研究團(tuán)隊(duì)認(rèn)為，想要更好地解碼記錄到的腦信號，不僅應(yīng)該使用實(shí)際呈現(xiàn)的視覺語義特征，還應(yīng)該包括與該視覺目標(biāo)對象相關(guān)的更豐富的語言語義特征?；诖耍狙芯刻岢?ldquo;腦-圖-文”三模態(tài)聯(lián)合學(xué)習(xí)框架，在使用實(shí)際呈現(xiàn)的視覺語義特征的同時(shí)，加入與該視覺目標(biāo)對象相關(guān)的更豐富的語言語義特征，以實(shí)現(xiàn)更好地腦信號解碼。

圖1. 人類大腦中的知識雙重編碼。當(dāng)看到大象的圖片時(shí)，我們會(huì)自然地在腦海中檢索到大象的相關(guān)知識(如長鼻子，長牙齒，大耳朵等)。此時(shí)，大象的概念會(huì)在大腦中以視覺和語言的形式進(jìn)行編碼，其中語言作為一種有效的先前經(jīng)驗(yàn)，有助于塑造由視覺產(chǎn)生的表征。

圖2. 本文提出的“腦-圖-文”三模態(tài)聯(lián)合學(xué)習(xí)框架，簡稱BraVL

研究團(tuán)隊(duì)在多個(gè)“腦-圖-文”三模態(tài)匹配數(shù)據(jù)集上進(jìn)行了廣泛的零樣本神經(jīng)解碼實(shí)驗(yàn)。結(jié)果證明，從人類腦活動(dòng)中解碼新的視覺類別是可以實(shí)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(huì)受到語言的影響。

相關(guān)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(jī)接口技術(shù)提供新思路。研究團(tuán)隊(duì)介紹，本工作提出的方法具有三個(gè)方面的潛在應(yīng)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(shè)備的開發(fā)中發(fā)揮重要作用，可為其提供技術(shù)基礎(chǔ);作為神經(jīng)編碼工具，通過跨模態(tài)推斷腦活動(dòng)，可用于研究視覺和語言特征如何在人類大腦皮層上表達(dá)，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(gè)模型的(視覺或語言)表征更接近于人類腦活動(dòng)，從而激勵(lì)研究人員設(shè)計(jì)更加類腦的計(jì)算模型。

該論文第一作者為中國科學(xué)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(xiàng)目、基金委項(xiàng)目、中國科學(xué)院自動(dòng)化研究所2035創(chuàng)新任務(wù)以及CAAI-華為MindSpore學(xué)術(shù)獎(jiǎng)勵(lì)基金及智能基座等項(xiàng)目的支持。

為促進(jìn)該領(lǐng)域的持續(xù)發(fā)展，研究團(tuán)隊(duì)已將代碼和新收集的三模態(tài)數(shù)據(jù)集開源。