如何优化神经科学数据利用与实验设计以推进视觉与语言认知的脑模型？
神经元与认知
2025-01-02 v2
摘要
近年来，神经科学在构建大脑活动和行为的大规模人工神经网络（ANN）模型方面取得了显著进展。然而，关于收集数据和设计实验以开发下一代模型的最有效方法，目前尚未达成共识。本文探讨了视觉和语言领域在此话题上出现的争议观点。具体而言，我们解决了两个关键点。首先，我们权衡了使用实证结果的定性见解与原始实验数据来训练模型的利弊。其次，我们考虑了用于数据收集（特别是实验设计和刺激选择）的无模型（基于直觉）方法与基于模型的方法，以实现模型的最佳开发。最后，我们考虑了开发实验设计与模型构建协同方法所面临的挑战，包括鼓励数据和模型共享，以及对现有模型进行迭代添加的影响。本文旨在讨论决策点，并为实验者和模型开发者在探索理解大脑的过程中提出方向。
引用
@article{arxiv.2401.03376,
title = {How to optimize neuroscience data utilization and experiment design for advancing brain models of visual and linguistic cognition?},
author = {Greta Tuckute and Dawn Finzi and Eshed Margalit and Joel Zylberberg and SueYeon Chung and Alona Fyshe and Evelina Fedorenko and Nikolaus Kriegeskorte and Jacob Yates and Kalanit Grill-Spector and Kohitij Kar},
journal= {arXiv preprint arXiv:2401.03376},
year = {2025}
}