AI je iz mišjih neurona izvukao video, ali pravi test je razumjeti što životinja vidi
Wikimedia Commons: University College London📷 AI-generated / Tech&Space editorial visual
- ★Tim je objavio rad u časopisu eLife, rekonstruirajući 10-sekundne video sekvence iz signala pojedinačnih neurona s vjerodostojnošću koja nadmašuje fMRI-metode u ljudima.
- ★Dinamički neuralni kodirnik prevodi električne impulse u vizualne prizore—oblici, pokret i razina svjetla proizlaze iz 'šuma' akcijskih potencijala.
- ★Tehnologija otvara pristup životinjskom doživljaju svijeta i postavlja temelje za usporedbu percepcije kroz vrste, od miševa do ljudi.
Znanstvenici sa Sveučilišta u Londonu prvi su put rekonstruirali videozapise isključivo iz neuronske aktivnosti miševa, koristeći elektrode u vizualnoj kori i dinamički model dubokog učenja. Rad objavljen u časopisu eLife donosi 10-sekundne sekvence rekonstruirane iz signala pojedinačnih neurona — s vjerodostojnošću koja nadmašuje fMRI-metode kod ljudi.
Dinamički neuralni kodirnik prevodi električne impulse u vizualne prizore: oblici, pokret i razina svjetla proizlaze iz 'šume' akcijskih potencijala. Za razliku od fMRI-a koji bilježi aktivaciju velikih područja mozga, ovaj pristup hvata detalje do razine pojedinačnih neurona. Rekonstrukcija je izvedena bez vanjskih senzora — videozapisi nastaju isključivo iz spontane aktivnosti mišjih neurona.
Tehnologija otvara pristup životinjskom doživljaju svijeta i postavlja temelje za usporedbu percepcije kroz vrste. Pitanje više nije samo tehničke izvedbe, već fundamentalne prirode: što zapravo znači 'vidjeti'?
Od buke do slike
Dosadašnje metode davale su grubu sliku aktivacije širokih mozgovih zona. Novi eksperiment otkriva kako se vizualna informacija kodira na najnižoj razabirljivoj razini — impuls po impuls. Principi bi se teoretski mogli prenijeti na druge vrste, uključujući ljude, što bi moglo revolucionirati neuroznanost.
Dekoder dubokog učenja prevodi akcijske potencijale u pokretne slike bez kamere
Wikimedia Commons: Netflix📷 © Tech&Space
Trenutna ograničenja u rezoluciji i preciznosti rekonstrukcija su značajna, ali istraživači u UCL-u već rade na poboljšanju parametara. Praktične primjene još su daleko, no ako se pristup pokaže skalabilnim, potencijal se proteže od dijagnostike do sučelja mozak-stroj.
Ključno je da tehnologija omogućuje proučavanje kako mozak interpretira ono što vidimo bez posredovanja ponašanja ili samoizvještavanja. To otvara vrata za objektivniju usporedbu percepcije između vrsta — od miševa do primata — i za testiranje teorija o svijesti kroz direktnu inspekciju neuralnih korelata.
Ograničenja su očita: mišji vizualni sustav razlikuje se od ljudskog, a invazivne elektrode nisu primjenjive na zdrave ispitanike. No kao dokaz koncepta, eksperiment je neupitan. Pokazuje da vizualni sadržaj nije izgubljen u neuralnoj buci, već strukturiran na način koji duboko učenje može dekodirati.
Sljedeći koraci uključuju proširenje na složenije stimulus, dulje sekvence i — eventualno — prijelaz na neinvazivne metode snimanja. Ako se to ostvari, granica između unutarnjeg doživljaja i vanjske opservacije postat će značajno prozirnija.

