来自包括加州大学圣巴巴拉分校在内的三个机构的研究人员已经证明，人工智能有潜力使未来的视觉假体（如仿生眼）更加精确、可预测，并对个人用户做出更迅速的反应。
加州大学圣巴巴拉分校计算机科学副教授迈克尔·贝耶勒及其同事利用深度学习模型，为临时植入盲人受试者视觉皮层（大脑后部处理视觉信息的区域）的电极设计电刺激模式。该模型提高了研究人员对神经元刺激反应的控制能力，并有助于预测受试者的感知。
这项概念验证研究于本周在线发表在《神经元》杂志上，标志着在开发视觉皮层假体（植入视觉皮层的装置）方面迈出了重要一步，这种假体可以更好地与大脑进行沟通。
“抽象地构建模型是一回事，”贝耶勒说道，他同时也是心理与脑科学系的副教授。“而看到它应用于人体实验则是完全不同的另一回事。这种将理论转化为未来可能帮助人们的成果的能力，正是我们实验室大部分工作的动力所在。”
贝耶勒称之为“真正的合作”，该项目由苏黎世联邦理工学院的佩胡恩·穆雷、加州大学圣巴巴拉分校的雅各布·格兰利和米格尔·埃尔南德斯大学（MHU）的法布里齐奥·格拉尼共同领导，他们也是该论文的第一作者。贝耶勒、苏黎世联邦理工学院的刘世琪和米格尔·埃尔南德斯大学的爱德华多·费尔南德斯指导了这项研究，该研究是西班牙正在进行的一项更广泛的可行性试验的一部分。
几十年来，研究人员一直致力于研发视觉假体，但收效甚微。一些设备针对视网膜（位于眼球后部的感光层），而另一些设备则刺激视觉系统的后续阶段。
皮层假体采用了一种不同的方法，它绕过眼睛和视神经，直接向视觉皮层传递电刺激。这种方法最终可能使一些视觉通路受损但仍能对刺激做出反应的人受益，例如因中风、神经退行性疾病和脑损伤而失明的人。
贝耶勒说，这种潜在益处对那些“曾经拥有部分视力，但后来由于遗传性眼病或意外事故而失明”的人来说可能尤其意义重大。“对这些人来说，恢复部分视力的愿望可能非常强烈。”
目前的研究工作建立在计算研究的基础上，该研究得到了贝耶勒 2022 年美国国立卫生研究院 (NIH)院长新锐创新者奖的支持。该奖项是一项为期五年、金额为 200 万美元的拨款，旨在支持他使视觉假体更具可预测性和有效性的研究。
2024 年，贝耶勒仿生视觉实验室的成员前往西班牙，进行他们研究的关键阶段：测试他们的计算方法是否可以提高盲人参与者体内现有脑植入物的性能。
在西班牙埃尔切的IMED医院，他们探望了一位27岁的男子，他因脑外伤而失明。该男子接受了视觉皮层植入装置，该装置由96通道电极阵列组成，将在六个月后取出。
当电极向该男子视觉皮层的神经元输送电刺激时，他可以感知到光幻觉，即光点或光形，有时被比作闪光、星星或烟花。
研究人员试图更准确地预测视觉皮层对刺激的反应。为此，贝耶勒及其同事训练了一个深度神经网络（一种人工智能），用于预测不同电刺激组合产生的脑活动模式。该模型还会接收每次测试前大脑静息状态的信息。
研究人员随后利用该模型来确定最有可能产生所需神经反应的刺激模式。
当研究人员在受试者身上测试这些人工智能设计的模式时，他们发现这些模式能够更准确地重现目标脑活动模式，并且所需的电流比其他方法更少。或许最重要的是，从受试者大脑记录到的活动比单纯的电刺激设置更能预测他的感知。换句话说，测量大脑的反应比仅仅知道哪些电极被激活更能准确地预测受试者将会看到什么。
产生预期的脑活动模式只是问题的一部分。研究人员还必须确定这种活动如何转化为假肢使用者的视觉体验。
“工程师们自然而然地会把光幻觉当作像素来处理：刺激更多电极，就能得到更完整的图像，”贝耶勒说。“但大脑的运作方式并非如此。电极之间会相互作用，神经反应也会波动，我们输入大脑的信息并不一定就是人们实际感知到的。真正的挑战在于深入了解这种转变过程。”
这项研究中使用的植入物既能用电流刺激大脑，又能记录大脑神经元的反应。这使得研究人员能够根据大脑在每次刺激模式后的实际反应来训练他们的人工智能模型，而不仅仅是依赖于发送给设备的电信号设置。
参与者报告了是否感知到光幻觉，并在某些实验中描述了光幻觉的形状、大小、亮度和颜色等特征。研究人员发现，记录到的神经活动模式比刺激参数本身更能反映这些感知结果。
该人工智能模型还整合了参与者静息状态下的脑活动测量数据，使其能够根据大脑的当前状态调整刺激模式。这可能是朝着制造出即使神经反应每日波动也能保持可靠性的假肢迈出的重要一步。
“一个好用的视觉假体不能依赖固定的模式，”贝耶勒说。“它必须学习个体大脑的反应方式，并相应地调整刺激。最终，应该是设备适应人，而不是人适应设备。”
参考文献
Deep learning-based control of electrically evoked activity in human visual cortex
