【资料图】

近年来，机器学习技术加速并创新了包括神经科学在内的众多领域的研究。通过识别实验数据中的模式，这些模型可以预测与特定体验或感官刺激处理相关的神经过程。

CNRS、艾克斯马赛大学和马斯特里赫特大学的研究人员最近尝试使用计算模型来预测人脑如何将声音转化为周围环境中发生的事情的语义表示。他们发表在《自然神经科学》(Nature Neuroscience) 上的论文表明，一些基于深度神经网络(DNN) 的模型可能更擅长根据神经成像和实验数据预测神经过程。

“我们的主要兴趣是对自然声音如何在大脑中被感知和表示进行数值预测，并使用计算模型来了解我们如何将听到的声学信号转化为听觉环境中物体和事件的语义表示，”进行这项研究的研究人员之一布鲁诺·焦尔达诺 (Bruno Giordano) 告诉 Medical Xpress。“这方面的一大障碍不是缺乏计算模型——新模型会定期发布——而是缺乏对它们解释行为或神经影像数据的能力的系统比较。”

Giordano 和他的同事最近工作的主要目标是系统地比较不同计算模型在预测自然声音的神经表征方面的性能。在他们的实验中，该团队评估了三类计算模型，即声学、语义和声音事件 DNN。

“我们开始讨论在 COVID 大流行的头几个月对计算模型进行系统比较的必要性，”佐丹奴解释说。“经过几次远程头脑风暴会议后，我们意识到我们已经有了回答问题所需的数据：2009 年收集的行为数据集，20 名加拿大参与者估计了一组 80 种自然声音的感知差异，以及fMRI 2016 年收集的五名荷兰参与者的数据集，他们在我们记录他们的 fMRI 反应时听到了一组不同的 288 种自然声音。”