来自 FAU 认知计算神经科学小组的研究人员强调了大脑的预测编码能力，这对于适应性行为至关重要。利用人工智能和癫痫患者的数据，他们发现自发的大脑活动在大脑如何在没有外部刺激的情况下处理信息方面发挥着至关重要的作用。这些发现可能会改进脑部疾病的诊断和治疗方法，并激发模仿大脑功能的人工智能技术。
句子中的下一个是什么？接下来我会看到什么？当我这样做时，环境会发生什么变化？当我这样做时，我的身体会发生什么？人类的大脑不断地被各种复杂性和抽象性的水平所占据，以预测接下来会发生什么。这被称为预测编码，被认为是人类超级器官的主要任务之一，它使适应性行为成为可能，并使我们能够在周围环境中找到自己的方位。
Dr.FAU 计算机科学 5 模式识别系主任、认知计算神经科学小组的 Patrick Krauss 和 Achim Schilling 博士成功地强调了这一广泛持有的假设，并在他们最近的研究中贡献了新的发现。
两位物理学家和神经科学家使用自动编码器分析了人脑的自发活动，自动编码器是人工智能的一种高级形式，可以在我们提供的复杂数据量中感知模式和联系。使用更传统的方法是无法实现的大脑。这要归功于他们与埃尔兰根大学癫痫中心研究人员（演讲者： Hajo Hamer 教授、博士）的合作。该中心的癫痫患者在手术切除致癫痫病灶之前会接受植入大脑的电极。
利用由此收到的特别罕见且因此特别有价值的数据，研究人员做出了一项发现，并取得了突破性的结果：我们大脑中的某些自发活动，称为局部场电位事件 (LFP)，能够提供有关我们大脑如何工作的决定性指标。即使在没有外部刺激的情况下，这些自发信号似乎在我们的大脑如何处理信息中发挥着重要作用。
在我们的研究中，我们意识到我们的大脑大脑不断地在这些 LFP 定义的活跃状态中前进。帕特里克·克劳斯博士强调说，就好像我们的大脑不断地考虑接下来可能发生的事情的各种选择，即使我们当时没有做或感知任何特定的事情，也没有及时接收到任何外部刺激。
我们还发现，这些 LFP 的形式可以决定大脑内信息流的方向。Achim Schilling 博士补充道，这可以让我们深入了解思想和情感在大脑中的处理方式。
这些发现不仅为大脑研究开辟了新途径研究还可能带来更好的脑部疾病诊断和治疗方法。这些基于人工智能的方法还可以与正常的脑电图或脑磁图测量结合使用，将电极连接到头骨表面来测量大脑活动。
了解我们的大脑在我们活动时通常做什么休息时可以很好地用于诊断目的。阿奇姆·席林博士强调说，如果我们能够更好地了解大脑如何工作和处理信息，这将使我们能够开发出更具体的神经系统疾病诊断和治疗方法。例如，如果大脑进入与外部刺激不相关的状态，则可能是病理变化的征兆。
而人工智能正在被用作一种工具，两位FAU研究人员的研究结果也可能有助于人工智能的进一步发展。长期目标：受神经科学启发的人工智能能够持续做出预测，即使它当前没有处理任何输入。Achim Schilling 博士解释说，这对于整合到车辆中的人工智能系统可能特别有用，尤其是在考虑安全时。Patrick Krauss 继续说道，即使交通量不大，并且汽车只是在高速公路上直线行驶，人工智能在后台考虑可能发生哪些交通事件并可能需要做出反应，这也是有益的。因此，Patrick Krauss 博士和 Achim Schilling 博士的研究表明，人工智能和大脑研究之间的协同联系能够扩展认知过程和大脑功能的已知边界，最终导致医学诊断和治疗领域的创新新方法。
技术与大脑研究的日益融合也表明，跨学科方法对于解码自然界中发现的复杂系统具有决定性作用。凭借他们的发现，FAU 研究人员正在更好地理解可能是所有系统中最复杂的系统：人脑。
参考：Achim Schilling 基于深度学习的单个局部场电位事件解码, Richard Gerum、Claudia Boehm、Jwan Rasheed、Claus Metzner、Andreas Maier、Caroline Reindl、Hajo Hamer 和 Patrick Krauss，2024 年 6 月 21 日，NeuroImage。
DOI：10.1016/j.neuroimage.2024.120696