《狗处理数字量的大脑区域与人类相似》

  • 来源专题:生物安全网络监测与评估
  • 编译者: yanyf@mail.las.ac.cn
  • 发布时间:2019-12-25
  • 埃默里大学(Emory University)的一项研究发现,狗狗会自发地处理基本的数值,利用它们大脑中与人类的数字反应神经区域密切相关的一个独特部分。

    《生物学快报》发表的研究结果表明,哺乳动物进化过程中普遍存在一种神经机制。

    埃默里大学心理学教授、该研究的资深作者格雷戈里•伯恩斯(Gregory Berns)表示:“我们的研究不仅表明,狗狗也像人类一样使用大脑的类似部位来处理大量的物体——这表明它们不需要训练就能做到这一点。”

    “了解人类和跨物种的神经机制,让我们了解我们的大脑是如何随着时间的推移而进化的,以及它们现在是如何运作的,”论文的合著者、埃默里大学(Emory university)的心理学副教授斯特拉•洛伦科(Stella Lourenco)说。

    Lourenco补充说,这样的见解可能有一天会带来实际应用,如治疗大脑异常和改善人工智能系统。

    劳伦·奥莱特,洛伦索实验室的博士生,是这项研究的第一作者。

    这项研究使用功能性磁共振成像(fMRI)来扫描狗的大脑,当它们看到屏幕上闪现的不同数量的圆点时。结果表明,狗的顶叶颞叶皮层会对圆点数量的差异做出反应。研究人员保持圆点的总面积不变,表明产生反应的是圆点的数量,而不是大小。

    近似数字系统支持快速估计场景中目标数量的能力,比如接近的捕食者数量或可供觅食的食物数量。有证据表明,人类主要利用他们的顶叶皮层来获得这种能力,这种能力甚至在婴儿时期就存在了。

    这种对数字信息的基本敏感性,即所谓的数字能力,并不依赖于象征性思维或训练,似乎在整个动物界都很普遍。然而,许多关于非人类的研究都涉及对受试者的强化训练。

    例如,以前的研究发现,猴子顶叶皮层的特定神经元对数值有协调能力。这类研究并没有阐明数字能力是否在非人类灵长类动物中是一种自发的系统,因为实验对象经历了多次试验,并因为选择了为实验准备的点数更多的场景而获得奖励。

    对狗的行为研究也表明,狗对数字很敏感。

    埃默里大学的研究人员希望利用功能磁共振成像进一步研究犬类数字感知的神经基础。

    伯恩斯是“狗项目”的创始人,该项目旨在研究人类最好、最古老的朋友——狗的进化问题。该项目是第一个训练狗自愿进入fMRI扫描仪,在扫描过程中保持静止,不受约束或镇静。

    洛伦索主要研究人类的视觉感知、认知和发展。

    11只不同品种的狗参与了当前的功能性磁共振成像实验。这些狗没有接受过事先的计算训练。进入fMRI后,他们被动地观察数值变化的点阵列。11只狗中有8只在交替点阵的比例比数值恒定时表现出更大的颞叶皮层激活。

    “我们直接去到源头,观察狗的大脑,以便直接了解当狗看到不同数量的圆点时,它们的神经元在做什么,”奥莱特说。“这让我们绕过了之前对狗和其他一些物种的行为研究的弱点。”

    伯恩斯指出,人类和狗在八千万年的进化过程中是分开的。他说:“我们的研究结果提供了一些最有力的证据,证明计算能力是一种共同的神经机制,至少可以追溯到那个年代。”

    与狗和其他动物不同,人类能够以基本的计算能力为基础进行更复杂的数学运算,主要是利用前额叶皮层。“我们能做微积分和代数的部分原因是我们有这种基本的计算能力,我们和其他动物一样,”Aulet说。“我感兴趣的是,我们是如何进化出这种更高的数学能力的,以及这些技能是如何随着时间的推移在个人身上得到发展的,从婴儿时期的基本计算能力开始。”

    这项研究的其他作者包括韦罗妮卡·邱(Veronica Chiu)和阿什利·普里查德(Ashley Prichard),埃默里大学心理学研究生,以及综合性宠物治疗公司(Comprehensive Pet Therapy)的首席执行官马克·斯皮瓦克(Mark Spivak)。斯皮瓦克和伯恩斯共同创立了狗之星科技公司,开发研究狗如何感知世界的技术。

    这项工作得到了美国国立卫生研究院(National Institutes of Health)、约翰•默克基金(John Merck Fund)和海军研究办公室(Office of Naval Research)的支持。

    ——文章发布于2019年12月18日

相关报告
  • 《思考的空间:观察墙壁的大脑区域》

    • 来源专题:生物安全网络监测与评估
    • 编译者:yanyf@mail.las.ac.cn
    • 发布时间:2019-05-20
    • 要想在世界各地移动,您需要了解周围环境,特别是限制运动的限制因素:墙壁,天花板和其他障碍物,这些障碍物限定了您周围可导航空间的几何形状。现在,一群神经科学家已经确定了人类大脑中专门用于感知这种几何形状的区域。这个大脑区域以闪电般的速度编码场景的空间约束,并且可能有助于我们对周围环境的即时感觉;让我们在太空中定位,这样我们就可以避免碰到事物,找出我们所处的位置并安全地穿越我们的环境。 今天发表在Neuron上的这项研究为理解我们的大脑帮助我们解决的复杂计算奠定了基础。由哥伦比亚大学Mortimer B. Zuckerman思维脑行为研究所和芬兰阿尔托大学的科学家领导,这项工作还涉及旨在模仿人类大脑视觉能力的人工智能技术的发展。 “视觉给我们一个近乎瞬间的感觉,我们在太空中,特别是表面的几何形状 - 地面,墙壁 - 限制我们的运动。感觉毫不费力,但它需要多个大脑的协调活动哥伦比亚大学扎克曼研究所的首席研究员,该论文的资深作者Nikolaus Kriegeskorte博士说。 “神经元如何协同工作以使我们对周围环境产生这种感觉仍然是神秘的。通过这项研究,我们向解决这个难题迈进了一步。” 为了弄清楚大脑如何感知周围环境的几何形状,研究小组要求志愿者查看不同三维场景的图像。图像可能描绘了一个典型的房间,有三面墙,一个天花板和一个地板。然后研究人员系统地改变了现场:例如,移除墙壁或天花板。同时,他们通过在芬兰Aalto的神经影像设施中结合使用两种先进的脑成像技术来监测参与者的大脑活动。 “通过对每个参与者反复进行此操作,我们有条不紊地改变图像,我们可以将他们的大脑如何编码每个场景,”该论文的第一作者,阿尔托大学神经科学和生物医学工程讲师Linda Henriksson博士。 我们的视觉系统被组织成一个阶段的层次结构。第一阶段实际上位于视网膜的大脑外部,可以检测到简单的视觉特征。大脑的后续阶段有能力检测更复杂的形状。通过多个阶段处理视觉信号 - 以及阶段之间的重复通信 - 大脑形成了世界的完整画面,包括其所有颜色,形状和纹理。 在皮质中,首先在称为初级视觉皮层的区域中分析视觉信号。然后将它们传递到几个更高级别的皮质区域进行进一步分析。枕骨位置区域(OPA)是皮质处理的中间阶段,在参与者的脑部扫描中证明特别有趣。 “以前的研究表明,OPA神经元编码场景,而不是孤立的物体,”Kriegeskorte博士说,他也是哥伦比亚大学心理学和神经科学教授兼认知成像主任。 “但我们还不了解该地区数百万神经元编码的场景。” 在分析参与者的脑部扫描后,Drs。 Kriegeskorte和Henriksson发现OPA活动反映了场景的几何形状。 OPA活动模式反映了每个场景组件的存在与否 - 墙壁,地板和天花板 - 传达了场景整体几何形状的详细图片。然而,OPA活动模式并不取决于组件的外观;墙壁,地板和天花板的纹理 - 表明该区域忽略了表面外观,以便仅关注表面几何形状。大脑区域似乎执行了所需的所有必要计算,以便非常快速地了解房间的布局:仅需100毫秒。 “我们的大脑感知周围环境的基本几何形状的速度表明了快速获取这些信息的重要性,”Henriksson博士说。 “知道你是在里面还是外面,或者你可能选择导航是关键。” 通过联合使用两种互补成像技术:功能性磁共振成像(fMRI)和脑磁图(MEG),可以获得本研究中获得的见解。功能磁共振成像测量血氧水平的局部变化,反映局部神经元活动。它可以以几毫米的分辨率显示详细的空间活动模式,但在时间上不是很精确,因为每个fMRI测量反映了五到八秒的平均活动。相比之下,MEG测量大脑产生的磁场。它可以以毫秒的时间精度跟踪活动,但不会给出空间详细的图片。 “当我们将这两种技术结合起来时,我们可以解决活动发生的位置和出现的速度。” Henriksson博士说,他收集了阿尔托大学的成像数据。 展望未来,研究团队计划整合虚拟现实技术,为参与者提供更逼真的3D环境体验。他们还计划建立神经网络模型,模仿大脑感知环境的能力。 “我们希望将这些东西放在一起,构建更像我们自己的大脑的计算机视觉系统,这些系统具有专门的机器,就像我们在人脑中观察到的那样,可以快速感知环境的几何形状,”Kriegeskorte博士说。 。 本文的标题是“人类OPA中场景布局的快速不变编码”。此后加入加拿大安大略省西部大学的Marieke Mur博士也参与了这项研究。 该研究得到了芬兰科学院(博士后研究基金; 278957),英国学院(博士后奖学金; PS140117)和欧洲研究理事会(ERC-2010-StG 261352)的支持。 ——文章发布于2019年5月13日
  • 《前沿 | 谷歌量子芯片-弦断裂/数字量子计算》

    • 来源专题:光电情报网信息监测服务平台
    • 编译者:胡思思
    • 发布时间:2025-06-09
    • 晶格规范理论Lattice gauge theories (LGTs)可用于有效描述广泛的现象,从高能物理学中的基本粒子散射,到量子材料中的多体相互作用。研究涌现相的动力学性质,具有挑战性,因为需要解决许多通常超出微扰极限的物体问题。 近日,谷歌公司T. A. Cochran, B. Jobst, E. Rosenberg, Y. D. Lensky, G. Gyawali, F. Pollmann, M. Knap & P. Roushan等,在Nature上发文,在 (2 + 1)D晶格规范理论中,研究了电荷和弦的可视化动力学。 利用超导量子比特的二维晶格,首先构建一个简单的变分电路,该电路准备与基态有较大重叠的低能态;然后,利用局域门创建电荷激发,并通过离散时间演化模拟量子动力学。随着电场耦合常数的增加,测量显示了从解精细动力学到受限动力学的转变特征。对于受限激发,电场在连接它们的弦中感应出张力。 该方法,实验成像(2 + 1)D晶格规范理论LGT中的弦动力学,从中发现了约束相中的两种不同状态:对于弱约束,在横向方向上,弦强烈波动,而对于强约束,横向波动实际上是冻结的。还证明了一个共振条件,在这个条件下,动力弦断裂变得容易。该项研究,在量子处理器上,实现的晶格规范理论LGT,为研究新兴激发和弦动力学提供了一套新技术。 图1: 晶格规范理论Lattice gauge theories,LGT及其相图 图2:权重可调的循环模拟weight-adjustable loop ansatz,WALA