是所想否有可能仅根据大脑信号，就完全重建某人所看到的即所见np解觉图内容？瑞士洛桑联邦理工学院研究人员朝着这个方向迈出了重要的一步，他们引入了一种新算法构建的脑信人工神经网络模型，能以令人印象深刻的号再准确度捕捉大脑动态。该研究发表在最新一期《自然》杂志上。现视像

这种新颖的所想机器学习算法——CEBRA植根于数学，可学习神经代码中的即所见np解觉图隐藏结构。研究人员利用新算法进行了演示。脑信一只老鼠正在观看1960年代的号再黑白电影片段，其中一名男子跑向一辆打开后备箱的现视像汽车；在另一个屏幕上，人们可看到由CEBRA计算出的所想电影重建画面，新构建的即所见np解觉图电影几乎与原版完全吻合，但有一些轻微的脑信怪异扭曲。

CEBRA从原始神经数据中学到的号再信息可在解码训练后进行测试。团队已证明他们可从模型中解码老鼠在看电影时所看到的现视像东西。但CEBRA不仅限于视觉皮层神经元，甚至大脑数据，它还可用来预测灵长类动物手臂的运动，并重建老鼠在竞技场上自由奔跑时的位置。

用于视频解码的数据由艾伦脑研所提供，大脑信号是通过插入小鼠大脑视觉皮层区域的电极探针，直接测量大脑活动而获得，这些探针被设计成使激活的神经元发出绿光。在训练期间，CEBRA学习将大脑活动映射到特定帧。在以视觉皮层中不到1%的神经元进行测试时，CEBRA表现良好。

CEBRA基于对比学习技术，这是一种学习如何将高维数据排列或嵌入到低维空间的技术。与其他算法相比，CEBRA在重建合成数据方面表现出色，这对于比较算法至关重要。它的优势还在于它能够跨模式组合数据，例如电影功能和大脑数据，并且它有助于限制细微差别，例如由数据收集方式带来的数据变化。

(责任编辑：知识)