这些模型可能会集成到未来的神经技术设备中，其目的是确保它们能够转录声音景观中发生的事情
“我们的目标是建立能够调节人类行为和大脑反应的大规模模型
这些模型未来可能会集成到神经技术设备中，使它们能够转录声景中发生的事情，” Flatiron 研究所计算神经科学中心 (纽约) 的研究员Jenelle Feather解释道。为此，研究人员研究了神经网络如何对听觉环境中随时可以听到的所有声音进行分类和区分，例如确定经过训练的计算机模型如何识别和区分附近有人说话以及有汽车过往发出噪音时的鸟鸣声。“我们的研究有趣之处之一是，我们测试了多种模型，发现其中一些模型在预测大脑反应方面比其他模型更好。”
为了获得这些结果
研究小组使用功能性磁共振成像 (fMRI) 记录大脑对不同自然声音的反应，然后分析人工神经网络对相同刺激的处理。然后使用不同的方法，将每个神经网络上活动的建模表示与大脑上的激活模式进行比较。在作者采用的一种方法中，他们在“聆听” 165 种日常声音的子集时测量了人工神经网络的内部 手机号码数据 单元响应，然后拟合了一个简单的 回归模型预测大脑对同一组声音的反应。然后评估该模型预测大脑对不同组声音的反应的准确性。生成最接近大脑中观察到的表征的模型是那些经过训练可以 WhatsApp 号码 执行多项任务并处理包括背景噪音的听觉输入的模型。
有潜力帮助残疾人
人工模型和生物模型之间的相似性凸显了进一步比较大脑成像和神经网络计算的潜在用途。“有了精确的大 我在潜在客户生成表单中添加了摩擦，转化率提高了 20%。原因如下 脑反 应模型，我们就可以刺激大脑活动，加强听觉环境的编码，这可以帮助残疾人从声音中吸收更多信息。”精确的大脑功能模型还可以帮助闭锁综合征患者，这些患者虽然大脑非常活跃，但无法说话。未来，也许可以“解码他们对对话的大脑反应，甚至是他们想要说的话。”在前景光明的神经技术医疗设备领域，其他几个研究团队已经在开展互补项目，以更好地监测和增强对大脑其他区域的刺激。PC. Langlais（PLEAIS）：“我们的语言模型是在开放语料库上训练的”