一个经训练预测未来视频帧的神经网络模拟了生物神经元响应与知觉的关键特性

尽管深度神经网络松散地受神经科学启发，但人工深度网络与生物神经元系统之间的类比应被严肃对待到何种程度仍是一个开放问题。有趣的是，近期工作表明，在大规模图像识别任务上训练的深度卷积神经网络（CNN）可作为预测视觉皮层神经元对视觉刺激响应的极佳模型，暗示人工与生物神经网络之间的类比可能不止于表面。然而，虽然 CNN 捕捉了皮层神经元平均响应的关键特性，它们未能解释这些神经元的其他特性。首先，CNN 通常需要大量标注输入数据用于训练。相比之下，我们自身的大脑很少能获得此类监督，因此就 CNN 与大脑间表示的相似性而言，这种相似性必然通过不同的训练路径产生。此外，视觉皮层神经元即使对静态输入也会产生复杂的时间变化响应，并动态地将自身调谐至视觉环境中的时间规律性。我们认为这些差异是脑内与深度网络中所执行计算之间存在根本差异的线索。为开始弥合差距，此处我们研究了一个先前描述的循环生成网络的涌现特性，该网络以自监督方式训练以预测未来视频帧。令人惊讶的是，该模型能够捕捉视觉皮层中观察到的多种看似迥异的现象，从单单元响应动态到复杂的知觉运动错觉。这些结果暗示了循环预测神经网络模型与大脑之间潜在深刻的联系，为丰富两个领域提供了新的线索。