文字|下一个文字中的问题|近年来，它在下一步提出的预测编码理论中是解释大脑信息处理的理论框架，它吸引了近年来对神经科学，认知科学和人工智能领域的广泛关注。现任华盛顿大学计算机科学与工程系教授，神经技术中心的联合主任Rajesh Rao前瞻性地使用了可预测的编码理论来解释25年前的视觉系统的工作机制。在此播客中，Rao在不可预测的编码和脑部计算机界面领域分享了他的最新研究结果和观点，并在许多领域中讨论了他的思想，例如大型语言模型以及大脑研究的未来方向。此外，Tinhe还致力于印度古代人物和相关活动的解密。 Ang Sumusunod na nilalaman ay naip在Paul Middlebrooks的Mula sa sa isang pag -uusap sa pagitan nina rao上匹兹堡马克·马克·索默（Mark Mark Sommer）实验室的神经科学穆拉·穆拉·苏拉·苏拉·苏拉大学。然后，他在杰弗里·舍尔（Jeffrey Schall），杰夫·伍德曼（Geoff Woodman）和范德比尔特大学（Vanderbilt University）的戈登·洛根（Gordon Logan）的实验室研究博士后研究，他们研究了运动皮层和基底神经神经群活动如何影响小鼠免费指控的自然行为。扩展全文 华盛顿大学计算机科学与工程系教授，神经技术中心联合主任 Iminhe和Dana Ballard提出了1999年可预测的大脑功能模型。他为理解和决策的贝叶斯模式做出了贡献。在脑部计算机界面领域，他首先D阐明了2007年直接通过大脑控制类人机器人的技术。他的研究兴趣涵盖了计算神经科学，脑部计算机界面和人工智能，以及编写印度河和印度古典绘画。他的奖项包括Guggenheim奖学金，IEE研究员，Fulbright奖学金，NSF职业奖，ONR青年研究员奖，斯隆管理学院奖学金学院以及David和Lucile Packard奖学金。他是脑部计算机界面的作者，也是概率脑模型贝叶斯大脑的合着者。 01预测编码的来源 保罗：通常根据推理和预言的理解理论来监测Mahuhulcoding的理论来源。但是，就可预测的编码相关神经元的研究而言，无法预测的编码来源是什么？ ▷照片：Ebbinghaus的幻觉（Ebbinghaus的幻觉（左）和Müller-Lys幻觉（右）可以用赫尔姆霍兹的看法理论来解释。他传达了一种革命性的观点，称为“无意识的理解”，强调理解不仅是直接的完善 - 对感官投入，通过推理和预测可以预测的感觉这种机制在现代认知科学（例如不可预测的编码）中进一步发展。来源：@dafeng_design 拉杰什（Rajesh）：那时，我跟随我的导师达娜·巴拉德（Dana Ballard）在罗切斯特大学（University of Rochester）攻读博士学位。我与导师的相遇非常明显。我最初打算在理论计算机科学上攻读博士学位，但是有一天我在复制室遇到了巴拉德教授。他说：“我有一个热门研究助理职位。您想尝试吗？”从那以后，我已经同意了，并且一直在计算机看来。我们按时解决了一个难题：如何通过视觉皮质表征重建对象（例如Gabor fi）lters）。 我们最初的想法是利用视觉皮层表示机制。我们试图使用Gabor滤波器响应在阻塞后重建Bagswas，并发现这些过滤器无法重新开发图像，因为它们在不值得的问题上存在问题，从而导致简单的集成失败。最终，我们想知道是否可以根据正交过滤器的响应来改变图像的变化和重建成本的梯度下降。这导致了优化神经元反应的想法。 ▷照片：Gabor滤波器输出的示例（第1部分）。 Gabor Transform是短期窗口的傅立叶变更。傅立叶变换是信号处理的强大工具。它可以将图像从空域转换为域频率，并提取不容易到达领空的功能。但是傅立叶的变化缺乏有关时间和位置的本地信息。要了解Lamang Gabor的转换，请进行傅立叶变换特定时间窗口中的ATION，这是在短时傅立叶变换中将窗口函数作为高斯函数的特殊情况。因此，Gabor滤波器可以以不同的尺度和指示到频域的方式拾取相关特征。此外，Gabor功能与人眼类似，因此通常用于纹理识别并取得良好的结果。如果在二维空间中，将三角函数（a）（例如电影函数）叠加在高斯（b）函数中，我们会得到一个gabor（c）滤波器（c）（c）（下）。资料来源：@yiwei Zhang 保罗：不可预测的编码的总体想法是什么？让我首先谈论我的理解。 Mahuguess的基本原则是，编码您有一些想法可以在大脑的前端进行预测，然后您通过大脑将其发送回他们的想法。以愿景为例，传入的感官信号将遇到此预测，目前会有区别补间这些预测和信号，这种差异将再次扩散。是这样吗？ 拉杰什：这是传统上可预测的编码模型的主要思想。传统的视觉模型（例如Hubel-Wiesel理论）强调了前馈传递：从主要视觉皮层（V1）到下颞皮层（IT）（IT）的逐层捕获功能，最终激发了理解和行为。但是，当我们评估皮质解剖结构时，大脑的每个区域都会释放出相同的饲料连接，并从大脑的较高区域接收反馈连接。这个想法可以追溯到Huber和Vizel。传统思想通常认为，通过移动进料来实现理解。当图像闪烁时，将从下颞皮层中的V1，V2，V4查看区域进行前馈传递，并识别此图像。根据相关的理解，如果您对操作做出决定并按下操作按钮，则该动作将跟随。 保罗：如果您只能看到某物的边缘，就像只有桌子的腿能看到的那样，您仍然可以认识到它是桌子吗？ 拉杰什（Rajesh）：这种区域管理现象在人工智能领域也很常见。整个人工智能领域都分为不同的子场。有些人看见，有些人签订了合同质量控制的合同，有些人则根据逻辑制作高级人工智能。它与神经科学和认知科学的当前研究状态非常相似，在这些研究状态下，人们总是专注于研究特定区域和模式。 对与学术界的反馈联系的普遍忽视确实令人惊讶。如果您查看每个皮层区域，您会发现它不仅会发送馈电连接，而且还将从更高的偶然性接收反馈连接。但是当时著名的视觉神经科学家认为反馈连接是n不仅仅是调节注意力，仅次于对象。 可预测的编码理论通过指出大脑的主要工作是开发世界模型的发展，从而逆转了这种理解，该模型继续形成假设并将其与感觉进行比较。两者之间的不匹配称为预测错误。预测错误是由进料路径喂养的，用于更新预测。也就是说，前馈路径并没有真正带有原始信号，而是预测误差。我认为这是一个主要发现，与传统思维不同。 保罗：这是无法想象的观点吗？ 拉杰什（Rajesh）：当时这个想法确实会出现。我读了戴维·芒福德（David Mumford）和其他人的一篇论文，他在那里谈论丘脑与皮质与各个皮质区域之间的联系。詹姆斯·阿不思（James Albus）在人工智能的背景下讨论了这个问题，并在小脑上做了一些工作。她也是关于在人工智能和机器人控制器中的层次结构有很多友好的想法。类似的想法可以返回到唐纳德·马伊（Donald Makay），后者在1950年的论文中写了一本书，名为“自动机的认识论问题”。在其中，他提出了这样一个想法，即如果您可以将错误信号从一个模块发送到另一个模块，则可以在不同的层次结构级别之间创建抽象表示。 我们所做的工作本质上是抓住已经拥有的许多想法和数学来实施它们的想法。我们发现将神经反应解释为预测的错误可以更好地解释一些令人惊讶的效果，例如结束，上下文，方向和对比效果。这些效果很难仅通过前馈模型来解释。 保罗：MCC还强调了评论的重要性。当他们绘制一个小神经元图时，不同的神经元会形成反馈回路。 第一个神经元计算模型McCulloch-Pitts神经元，首先以TH的重量完成线性E I和W，然后计算激活函数的结果。这本质上是分类的线性模型，其操作是对输入二进制进行分类。这是符合生物神经元的特征，而输入信号中生物神经元产生的输出为：激发和抑制。然后，我们可以通过MP神经元模型猜测样品的目标。资料来源：kenhub.com 拉杰什：是的，他们确实强调了循环的重要性。当时，许多人试图使用动态系统理论来研究这些环网络的属性，但是调整是成功是基本理论研究与解剖结构的匹配。我们现在正在做的是试图使其进入解剖结构，尤其是在大脑皮层中。大脑皮层可以分为六层，中间层中有进料连接，即第四层（晶粒的内层），然后从S万圣节层。 ▷细胞和成像为不同水平的皮层。资料来源：kenhub.com Felleman van Essen等级制度可以帮助理解它。如果我们将Felerman-Van-eson层次结构解释为在进化过程中形成的形成模型，用于建模世界。这意味着您可以从这种生成模型中进行采样，并提出面对动物及其环境接触的情况的例子，推理将更新您对世界的预测。我认为主要的想法是推理是对所有不同皮质区域人口水平的快速神经反应。在较慢的时间尺度上，这些不匹配或错误可用于更新权重，学习或参与突触可塑性。 ▷意识区域的麦克queShierarchy的Felerman Van Essen的愿景。资料来源：smanticscholar.org 02不可预测的编码理论的过去和现在 保罗：您最受欢迎的角色是在1999年的角色*，应该是P您提到的aper。您鼓励在演讲中毕业的学生“看，留在您的想法中并最终保持成果”。 *Rao，Rajesh PN和Dana H. Ballard。 “视觉皮层中的预测性编码：对某些经典田间影响的功能解释。”自然神经科学2.1（1999）：79-87。 拉杰什：我想表达的是发表本文发表的原因之一，例如，它提供了一个前瞻性的想法，例如，预测它们在第二层（谷物的外层）和大脑皮层的第三层（外部锥体细胞层）中，基于误差之间的进料连接和下一个角膜区域之间的进料；或者，像第五层（锥体细胞的内层）一样，可以更深入地遵循神经元吗？他们如何反应？ 根据不可预测的编码模型，对神经元的深入评估是对身体或运动反应的身体评估。当时证明其预测的专业技术尚未旧。是在十年后，学术界开始系统地验证这些假设，并在光遗传学和两光子成像方面取得了成功。如今，它已成为贝叶斯人的联系与推理之间的重要桥梁。 如果您在2000年底很快，您会发现该论文中的引用数量开始上升。如今，越来越多的人试图从各个方面研究这一理论。卡尔·弗里斯顿（Karl Friston）在发表后10到20年中在新闻视图中写的一篇文章中讨论了本文对他的研究的影响。他后来建议的自由能原理和最近已知的积极理解是在此基础上进行的。 *弗里斯顿，卡尔。 “有未来的编码吗？”自然神经科学21.8（2018）：1019-1021。 保罗：那时，您能猜出本文的影响会非常好吗？ 拉杰什（Rajesh）：那时，我认为这篇文章会激发人们进行实验。实际上，论文是第一个问。自然神经科学的编辑曾经透露，审稿人的第一次革命拒绝写评论，也许是因为该理论与他们的脑皮质背道而驰。关于工作原则的传统思维。 直到克里斯托夫·科赫（Christof Koch）和托马索·波吉奥（Tomaso Poggio）使用“猎犬而没有吠叫的寓言，这暗示着熟人犯罪”，以在夏洛克·福尔摩斯（Sherlock Holmes）的《银色大火冒险》（Silver Blaze）的冒险中解释预言的预言，通过“希望没有发生”来展示深度信息。从那时起，学术界就开始真正理解其价值。因此，本文在出版的早期阶段实际上具有最少的引用。 10到15年后，这种理论变得真正流行了。当然，对手总是在那里，实际上，仍然有很多人认为评论确实会影响实际的理解。 ▷照片：侦探问夏洛克·福尔摩斯是否还有其他关键点。夏洛克·福尔摩斯（Sherlock Holmes）说：晚上狗的行为是独一无二的。侦探令人惊讶：这只狗在晚上显然什么都没做。夏洛克·福尔摩斯回答：这是现象。可预测的负值之一是，它可以通过关注“应该发生的事情，但事实否”来揭示忽略的信息。资料来源：book.fm 但是，我认为今天有明确的证据表明，在动物进行运动后，在感觉运动活动中，将有一份识别的副本，可以做出预测。大卫·施耐德（David Schneider）实验室和乔治·凯勒（Georg Keller）实验室提供的广泛的NG证据表明，当运动或脚部迫使杠杆并发展听力反应时，在听觉皮层中抑制类似的预言误差信号。在纯感觉实验中也可以看到类似预言错误的报告。 凯勒（Keller），乔治·B（Georg B. “预测性处理：规范的皮质计算。” Neuron 100.2（2018）：424-435。保罗：它给我们带来了什么启示？可预测的编码尚未被广泛接受，但是技术进步证明了它的假设？ 拉杰什：这是科学理论的使命。一个好的理论应该是错误的。作为理论家，我们的工作是产生足够清晰的理论并将其连接到解剖结构。在此过程中，也许一些新的数据可能是该领域新理论和领导力的灵感。只要理论是合理的并且与现有数据相对应，建议提出新理论就不会担心。就像我们使用诸如“终结抑制”和“上下文模块”之类的现象来基于解剖学证据生成不可预测的编码框架，即使某些假设是骗子，只要新实验和新理论将被提升，它们就会成功。当前的研究人员应继续包括实验数据和计算建模，同时询问大脑的基本活动ution。 保罗：您认为不可预测的编码在脑工作模式上是某种常见的吗？ 拉杰什（Rajesh）：我认为这只是明智的难题的一部分，别忘了，奇特格特（Chatgpt）和变压器的模型也基于预言机制。预言很重要，因为动物应该猜测生存。在进化的某个阶段，大脑开始建立世界模型，以便可以预测即将出现的情况。 无论是在人工智能还是自然情报中，世界模型或不可预测的模型都可以带来明显的好处。该模型有助于应对世界上的不确定性，并为从肌肉传感器到大脑的延误付出了代价，从而增加了生存的机会。另外，如果您有能力猜测和有模型，则可以计划。这样，您就可以比简单的反应生物执行更复杂的动作。我认为有必要建立这种内部模型，从分解观点或从Evolu建立这种内部模型的好处tion和生物学的观点。 03在无法预测的编码模型中引入运动 保罗：之后，您开始研究皮质感觉运动理论。这种变化是怎么发生的？ 拉杰什：有很多原因。当我考虑大脑存在的进化意义时，我通常会跟踪一些最突出的生物学行为 - 例如寻找收入和预防损害。在此过程中，需要理解以减少错误。因此，理解与运动紧密相关，使生物体可以改变环境不同部分的位置或样本，并且理解告诉他们运动是否成功。 保罗：根据以下内容，是第一个理解然后运动的人吗？ 拉杰什：这两个是原因和效果。从某种意义上说，可以说，例如，有机体对营养缺乏的内部感知可以推动行动。然后移动并尖叫一些营养，其内在状态发生了变化。一个只有一种理解感，但没有不合理的动作的生物。尽管金星的蝇带有捕捉昆虫并消化昆虫的动作，但它不仅像活物一样在太空中移动。 保罗：回到这两篇论文之间的25年差距，将动作引入不可预测的编码模型似乎是一个巨大的成功。我们仅详细讨论了运动的重要性。您能否总结如何将动作纳入可预测的编码框架？ 拉杰什（Rajesh）：我认为，第一个真正将我推向事件的路径的第一个观察结果将遵循感官的主要区域，例如主视觉皮层V1，主要体感皮层S1或主听觉皮层A1，将遵循运动的影响。 Carandini Harris和David Schneider的实验室的论文表明，可以从传统的感觉中观察到与运动相关的反应。不仅如此，从解剖学的角度来看W，主要感觉区域中的第五层细胞（例如V1，A1，S1，体感皮层）将将轴突发送到皮层运动运动区域。 V1将轴突发送到上线，A1将轴突发送到下collique。 *Hoey，Brooke E.和David M. Schneider。 “这种感觉和希望是专门用于老鼠的皮质运动活动。”细胞报告43.7（2024）。 值得注意的是，信息不仅是从大脑皮层的第四层发送到第二或pangatlong层，然后再发送到第五层，这也将信息发送回第二和第三层。然后在表面和深处之间形成一个周期。如果表面层从第四层接收感官信息，并且深层释放了电动机中间的信息，则在每个皮质区域内形成了感觉和运动之间的循环。 马尔可夫（MDP）决策过程中使用的制定过程的想法有助于阐明SE之间的旋转态度和运动。换句话说，对强化的研究认为，代理的每个行动都会改变环境状态，而下一个状态仅取决于当前状态和行动。它生成了世界操作的“正向模型”。同时，策略函数将选择当前状态下的最佳动作效果。当我们将世界模型（预测）与动作技术（决策）相结合时，我们会形成一个智能的“预测→动作→重新预测”周期。 ▷照片：马尔可夫（MDP）的决策过程是数学和计算机科学中用于建模一系列决策问题的框架。它是加固的主要理论之一（RL），并且在人工智能，控制理论，经济和机器人技术等领域中广泛使用。 MDP的主要思想是：在马尔可夫的假设下，使用技术选择动作来最大化合并的 - 关节奖励。 学习加强的目的是巨大的政策，即在给定的世界状态下的最佳行动方式。如果将模型结合在顶部和下面的方法，则将获得根据您的感觉的感觉来预测下一个状态的功能，并在预测和动作之间产生一个周期。任何皮质区域中的感觉运动模块以这种模式以其自身的时空尺度运行。 最后的问题是，大脑皮层的不同层次结构和不同区域如何相互作用？为什么有反馈连接？事实证明，从计算的角度来看，如果您想以非常丰富的方式模仿世界，那么您要做的就是让较高级别调整较低的动态级别。大脑需要根据任务改变较低级别的计算功能。例如，如果您的任务要在某个地方驾驶，则要加载的程序是输入，确定目标然后驱动。您所要做的就是Itanim用当前学到的技术目标。加载新程序可以通过自上而下的配置来完成。也许前额叶皮层会将这些程序加载到低级区域。 保罗：那么前额叶皮层的形式如何？ 拉杰什（Rajesh）：我们的假设是，所有区域最初都进入其时间和空间尺度，并且随着皮质水平的增加，信息处理逐渐增加，抽象的水平增加。目前，一组神经元被折现为当前情况或任务，并且在前额叶皮层中安装并维护了一个特定的目标，直到达到目标为止。在维持目标的同时，前额叶皮层还控制了与实现目标（包括体感区域）相关的所有其他区域。 Samakastraight，甚至具有体感皮层，视觉皮层和听觉等感官的主要感官也具有来自晚期领域的背景信息。 在不同尺度上运行的皮质区域形成分层结构。 t该过程，复杂的任务在嵌套的子任务中损坏，直到脊髓水平面对毫秒级的肌肉控制。这就是脊髓电路的工作方式。随着不同区域的级别的上升，子任务是按一层实现的，然后翻转到更高的级别以输入下一个目标。 ▷前额叶皮层。资料来源：flintrehab.com 保罗：目标编程机制从何而来？ 拉杰什（Rajesh）：通过“研究”实现编程目标，人工智能领域被称为课程研究。即使在母亲的子宫中，我们也开始知道这些模块。从胎儿阶段的脚运动的尝试到在童年阶段的锻炼抓地力，我们逐渐积累了原始的运动库。简单的技能与复杂的功能结合在一起。前额叶叶的目的的抽象结构是基于基础原始电动机的丰富储备。 保罗：我在完成一个特定的目标之后，认为我们都感到困惑，这种感觉将一直持续到下一个目标。不同的目标如何改变？前额叶皮层如何参与？ 拉杰什（Rajesh）：在当前模型中，您的目标很高并将其分解，并且随着它扩展到每个较高的抽象级别或方法，它在较低级别上形成一个函数。功能输出通常是状态映射。然后，每个实际动作都是抽象作用的另一个子用途，对于较低的状态，这种实际动作是需要继续腐烂的另一个抽象动作。抽象动作将继续闯入脊髓。这意味着不同的大脑水平类似于两个模块。它似乎证实了moncaster的想法：也有类似的大脑皮层，并且大脑皮层不同区域的算法可能相似。 这个想法对理论家不可避免。目前的主要挑战是：建立数学模型是否等于t在计算科学框架下的下摆？尽管尚无法确认纳萨布蛋白是否存在生物学机制，但它并不能阻止我们探索理论建模。值得注意的是，预测编码的主动理论表明了存在跨问题的域应用的潜力，但是这种机制与神经生物学系统的实际操作模式之间的字母仍然需要通过跨学科实验系统地证明。 我们认为，更广泛的观点是，不同的皮质区域不是在其运作中而是通过其联系而区分。传统上不相信实际情况。不同的皮质区域具有完全不同的编码方法。有些人可能会觉得视觉皮层正在经历边缘检测，而听觉皮层则是不可能的，并且运动皮层更加不同。但是，从感官和运动的角度思考时，发现不同区域总是同时包含相同的区域，但是在某些区域中，强调了感觉或运动，但是它们仍然具有感觉推理和运动控制的基本原理，并且它们有助于许多层次。 04增强技术和脑部计算机的接口 保罗：鉴于您所描述的是，在前额叶皮层中有更高的水平，更抽象的目标，达到了较低的水平。从进化的角度来看，人类接下来在哪里？我们会更抽象吗？进化中的下一个里程碑是什么？ 拉杰什（Rajesh）：就预言而言，人们的货币化总是不良的。我们正在考虑未来的发展，但历史证明了我们一直预测的。 何时说，至少在人类进化方面，我们可能不会从生物学的角度添加新的皮质区域或新的大脑结构，但是我们实际上创造了惊人的工具，文化和工具知识的精彩发展。从PE思考人们对人类的自我改善的看法首先使用石头等工具来增强自己。我们还使用轮胎来提高运动速度，最近我们设法与飞机飞行。同样，由于记忆能力的限制，我们使用写作和语言记录事物。 如果这些都是所有工具，那么我们当然可以使用当前的设备来增强我们的信息获取和信息功能。大脑计算机接口可以使用当前的MGA设备来增强自身。如果大脑本身的生物速度和记忆能力有限，则可以使用人工记忆，工具处理和沟通功能来使这种缺陷造成这种不足。但这涉及许多道德问题，大多数学者都不想参与这一领域。 保罗：您如何在研究中包括道德考虑？ 拉杰什（Rajesh）：我是神经技术中心的合作领导者，我们的中心有一个神经伦理学团队。每个工程团队都会产生ES计算机接口应用程序具有负责对最终用户如何查看项目以及项目的长期影响的活跃评论的伦理。作为工程师，我们很高兴能建立出色或新颖的东西，但是Hinwe找不到诸如训练有素的道德之类的后果。 很多时候，使用该设备的患者可能无法提供清晰的描述，这是需要道德面试的时候。患者可以说他或她失去了主观倡议，或者患者的家人报告说患者的行为发生了巨大变化。即将到来的任务是如何阻碍这种变化并允许患者恢复其主动权。通过道德找到这些问题的答案将有助于我们在问题恶化之前找到解决方案。在解决技术的商业化解决之前，这通常是紧迫的。 保罗：这也是一个公开的学术研究问题。如果我的行为在添加脑部计算机界面或SOM之后发生了巨大变化我的大脑中的肢体肢体是假肢还是我本人的错？谁应该为此负责？ 拉杰什（Rajesh）：这些总是有争议的，脑部计算机界面和人工智能使这些问题变得更加困难。 05神经协处理器 保罗：目前与您合作的是神经协助者。您可以介绍 - 研究吗？ 拉杰什（Rajesh）：我认为谈论大脑网络还为时过早，即大脑之间的直接沟通。但是，如果我们接受这一挑战，我们必须评估当前技术在促进大脑之间交流的发展。脑电图可能是一个好的开始。 脑电图可用于读取简单信息，例如，当您查看闪光灯时 - 我们称之为稳定的状态Na Visual Na引起的potensyal-sa tulong ng iSang eeg eeg eeg ay nag nag-decode ng dalas kung saan kaan ka nakatitig dito。如果您凝视着两种不同的闪光灯，即在视觉皮层中具有振荡的闪光灯，我们可以阅读哟您的目标；功夫Naisip Mong Gumawa Ng Isang Aksyon，Tulad ng Paglipat ng Iyong Kamay，Maaaring Mabasa ng eeg eeg ang ang ang hangarin na iyon na iyon mula sa sa cortex ng马达。 Bilang Karagdagan，Maaari命名Gamitin Ang Transcranial磁刺激Upang Direktang magpadala ng Impormasyon sa utak。 保罗：经颅磁刺激就像在大脑中添加线圈，然后将其指向大脑的一小部分，以发送无创，无害的脉冲。 Ang Mga脉动Na Ito Ay Maaaring Makaapekto sa orihinal na pag -iisip o Pag -uugali。 Rajesh：Lalo na kapag ang pulso ay ipinadala sa Visual Cortex，makikita mo ang Mga闪烁na katulad ng mga maliliit na lugaror碎片，即轻巧的视角。 Ginawa Namin Ang Ilang Patunay ng Konsepto在Nai -Publish ang Ilang Mga Papeles，Ngunit Hindi Nangi Nangahulugan Na ang Teknolohiya ay ay Maaaring Maaaring Ma -komersyal，Ang Mga aparatong ataparatong ato aparatong Ito iTo napakalaki。 gayunpaman，在经颅磁刺激上的功夫脑袋T Ibang Mga Tao，Maaari Nilang Pasiglahin Ang Utak，Maitala Ang Impormasyon ng Utak，Na Bumubuo ng Isang Isnang界面ng Tway na Utak-Computer。 Maaari Kaming Magtala ng Impormasyon Mula sa isang utak，Mabasa，ipasa Ito sa Ibang utak，Mapagtanto ang ang isang tunay na sistema na sistema ng komunikasyon ng Interbrain。这就是我们所说的“增强”。今天，我们使用神经技术来增强人脑的交流和处理信息的能力。 ▷照片：“矩阵”的剧照。现在，玩未来的大脑界面和脑之间通信技术的想象力仍然很有吸引力。 “你选择红色药丸还是蓝色药丸？”资料来源：“矩阵” 保罗：我们目前正在发展哪个阶段？未来人类将是什么？ 拉杰什（Rajesh）：从某种意义上说，我认为目前正在做的是神经协助者。 Sa Madaling Salita，Ang Isang Aparato Ay Maaaring Kumilos Bilang Isang工具Na Pantulong Para sa Utak，Na Hindi Lamang Maaaring Maaaring MabasaAng Impormasyon Mula sa utak，Ngunit Naka -engode din ang Impormasyon Pabalik sa utak。 保罗：这意味着它会听到大脑，然后它将被剥夺大脑含量的算法和分类。这是信号传递过程，还是它会理解信号？ 拉杰什（Rajesh）：脑协处理器应具有某种形式的人为发展。我们提出的神经协处理器是人工神经网络。从本质上讲，这是一个生物学神经网络和人工神经网络之间的交互系统，两者需要一起适应。到目前为止，挑战是他们如何融合真正实现自己的目标？ 从医学的角度来看，如果您想替换丢失的操作，例如中风的人，并且希望他恢复运动功能，那么该设备可以通过刺激脊髓来替换受损的皮质功能。目前，人工智能需要自我训练，患者还需要知道是替代电路。这里的人工智能存在一个主要问题。如何确保人脑和人造装置可以实现共同的目标？例如，当患者无法自主获得对象时，通过视觉误差信号（例如目标位置偏差）的脊髓刺激设备。从理论上讲，可以使用反向传播算法来培训人工智能 - 但困难是需要通过患者的身体和大脑进行反向传播，这显然不适合传统的人工智能培训。 理想情况下，如果您想训练提供刺激的神经网络，则需要以某种方式获得错误信号。不幸的是，错误信号在外部任务空间中。为了完成这项任务，人工智能需要内部模型或正向模型。您的大脑就像一个前向模型。接下来它的刺激将导致您的大脑动态运动Ain方法，如果可能的话，如果可能预测这种动态新变化，您可以提出最佳刺激以实现特定目标，从而使其成为控制问题。 保罗：作为神经科学家，我认为大脑的惊人事情之一是它具有很强的灵活性。那大脑不能学习吗？可以评估吗？ 拉杰什：这确实是一个非常重要的问题，尤其是在感觉领域。例如，人们试图通过人工刺激体感皮质来恢复触摸。我们应该尽可能自然地进行刺激吗？当您刺激躯体感觉皮质时，患者通常会说我觉得这与我用手握住它时得到的触觉有所不同。有时，研究人员会说您不仅习惯了。如果您的大脑是帕特洛伊（Patuloy）收到这部小说的信号，它将成为一种自然的触觉。 保罗：就像训练一样，就像我想说服我的孩子一样：“不用担心，继续练习，这是'更容易。”但是这个过程很痛苦。 拉杰什：是的。该疾病在这里起着重要作用，因为如果您无法提供“归化刺激”，那么研究过程可能太长了。这里有一个交易：如果可以以某种方式使用大脑的“语言” - 即通过电刺激，光刺激等发送手腕，这使得与人工脉搏刺激相关的洗脑更容易，那么学习速度可以大大提高。我认为这是一个值得讨论的问题。 保罗：那么，这些刺激更像是噪音，还是在世界自然统计中？拉杰什：它是指特定区域中神经元从其他神经元获得信息的方式。例如，如果已知在人口水平存在某种频率的活动频率。这比不考虑大脑区域的当前状态的随机应用刺激更有效。关键是录音和刺激应同时进行ULATION。不可能仅刺激大脑的区域，而是通过记录来了解大脑区域中发生的事情，然后根据实时情况调整刺激参数，以继续提供明显的刺激信号。 保罗：您现在提到，需要以大脑的特定区域预期的方式对刺激输入的需求，这是编码的非常预测的。 拉杰什：是的，这是一种对大脑更快学习的方式。您可以忽略大脑反应，而只是继续打字，大脑最终可能会理解这种刺激模式。问题是，过程可能很长。因此，在刺激过程中评论大脑区域正在发生的事情是有道理的。 保罗：我们应该如何研究进入大脑信息的大脑与外部装置之间的关系？ 拉杰什：神经协助者是解决这个问题的一种方式，如果您可以修复提供刺激以减少外部工作空间中错误的神经网络，那么您可以减轻大脑研究的负担。这不是一个稳定的状态系统，我们称其为“常见适应”系统。如果panig简单地调节（因为脑适应和刺激模式是固定的），则研究压力由大脑完全携带。如果双方都灵活，那么挑战就可以优化相同的成本或目标操作。这是工程开发合作和共同进化系统的主要问题，也是人工智能和脑部计算机界面未来发展的可能方向。 保罗：您还有其他东西要添加到神经协处理器中吗？ 拉杰什（Rajesh）：神经协助者的想法与我们事先进行的脑沟通工作有关。经颅磁刺激并不是一个全新的想法。我们的真正想法是科幻小说有悠久的历史关于心灵感应的讨论，尽管生物识别技术正在发展，但越来越多的公司对此感兴趣，现在可以尝试将其带入现实。有趣的是，如果在许多患者中种植了脑部计算机界面，那么它可能是与大脑到脑的原始沟通。因为只要您有刺激的能力，就可以将非常简单的信息从一个人的大脑发送到另一个人的大脑。当它被证明能够做到时，我们迈向心灵感应。 06大语言模型的收益和损失 保罗：目前，人们认为大脑基于特定的AI模型工作，然后-MMAP在大脑过程中运行AI模型，并且经常发挥作用。它会影响您对大语言模型的思考吗？ 拉杰什：是的，当论文发表时，我很吸引人。主要思想是预测编码，但它们不使用错误来预测推理，并且内部表示不再更新，而是这项研究显然是由预测中的错误驱动的。它的分层架构同样引人注目 - 通过柔和的注意层 - 它构成动态表示形式 - 每个时间步骤都在大量测量中通过各个级别的表示。有趣的是，纯粹基于人造系统可以通过猜测下一个单词来实现这样的事情。它也没有循环反馈结构，也就是说，它不是回归模型。实际上，它处理了过去和将来的信息。这类似于积极预测编码模型感觉的感官处理模块，该模型继续预测未来的SA先前状态，但缺乏动作产生的产生。 在预测预测的主动体系结构中，除了预测网络外，还有一个策略（或控制网络），可以控制下一个输入的生成，并且两个策略紧密接触。根据任务，争议L网络提供了动作网络上的信息，这正是变压器所缺少的信息。最近介绍变压器增强研究的尝试可能被认为是压制性的回归。更值得注意的是，研究表明，变压器强制执行超网络的某些机制 - 这是我们主动预言模型的主要部分：高级皮层通过超网络控制下层皮质的功能操作。 保罗：我想知道您对变压器深度学习模型建筑的看法。 拉杰什：我认为它们很棒，但并不完美。作为一种不可预测的模型，捕获世界统计和物理动态的能力很棒，但这还不足以成为真正的智力。正如保罗·西塞克（Paul Cisek）和布兹萨基（Buzsaki）所教授的学者一样，情报的本质与行动和运动有关。缺乏控制模块（例如，诸如Chatgpt之类的变压器模型没有代理理解）是其主要缺陷。 保罗：如何o实现主动权？ 拉杰什（Rajesh）：对于代理机构，应通过与环境互动的能力来获得。我们通过在世界上行事的能力（包括运动运动）来建立主动性，带来后果，并通过观察后果与目标之间的关系，逐渐地逐渐建立了对“我可以改变世界”的认可。但是，纯粹的预测缺乏指导预言并通过行动实现目标的机制，因此他们很难拥有真正的主动性。 保罗：您认为该机构可以建立吗？ 拉杰什（Rajesh）：是的，我认为任何与世界互动的系统都能够采取和针对与代理机构环境相关的生成机制。该机构需要一种方法或控制系统，以及与之匹配的世界模型。 07大脑研究的未来方向 保罗：之前，我们只能记录一个神经元的活动。当时的技术不是T足以在不可预测的编码理论框架下检验假设。后来，神经元的连接组学已经发展，现在我们拥有超高密度录制技术和神经元记录技术。此外，我们还具有人工智能模型和强大的计算能力。在这些突破性技术中，您认为哪一种是最革命性的？ 拉杰什（Rajesh）：这是一个困难的问题，在可能伤害其他许多领域的同事中选择。这是理论上神经科学家的黄金时代，也是考虑更大理论的好时机，毕竟有很多数据可使用。 当我在研究生院时，只有蒙福德的书籍和论文，以及科赫和乔尔·戴维斯（Joel Davis）撰写的一本书，被称为大脑神经元理论。这些理论当时已经有了，但是没有数据可以证明它们。情况完全不同：有一天我可以浸入大规模的神经记录数据以验证Deliv关于不可预测的编码理论的层次错误；第二天，我研究了连接，以测试解剖连接是否符合理论假设。 当然，人工智能始终是新想法的来源。人工智能领域正在迅速变化，您可以从中选择一些宝藏，以查看它是否与大脑的理解有关。在爆炸时，如果您想进行真正的发展，则应该训练大脑成为一个好的信息收集器，并从大量数据中开发新的理论。尽管任务很困难，但与缺乏数据相比，它取得了良好的发展。我认为现在是积极合作的阶段，Scomputer，人工智能专家，神经科学家和心理学家都应该足够勇敢地提出宏伟的理论，这是打破学科界限的最佳时机。 保罗：这里可能有一个悖论：当工具完全丰富时，宏观理论思维变得更加困难。如何培养数据洪流的理论思维？ 拉杰什：这是一个很好的问题。对我来说，理论构建开始从计算前景开始规范性思考，即从规范的角度思考，然后寻找与其相关的大脑数据，从计算开始，并深入神经科学研究，从上到下。另一种方法是下面的研究，从对大脑的某个区域的研究开始，这是理论上的理论超过了大脑的区域，因此考虑了该区域与所有其他连接区域之间的相互作用。随后是更大的考虑范围。 当我是特里实验室的博士后同伴时，我访问了许多不同的实验室作为理论家。我问研究V1地区的人们，因为V2和V1已连接，为什么不同时研究V2区域及其接触？该男子回答说他将研究V2区域他了解了V1。 但是，如果大脑以不减少的方式起作用，如果V1特性与V2和其他结构密切相关，则他的研究路径被保留为无效。我认为，作为神经科学家的挑战是大脑是一种已经发展了数千年的复杂车。如果您使用减少，很难理解整个大脑中正在发生的事情。我们可能没有能力理解整个大脑，但是我们需要尝试选择正确的抽象水平，并希望将这些抽象水平从行为层连接到分子层。它需要访问团队努力合作。特别是在爆炸时期，很难进行整体研究，但我们不会失去希望。我们在路上，我们应该对此保持乐观。 08帖子 可预测的编码理论为理解大脑信息处理的机制提供了一个强大的框架，其在神经科学，人工智能和脑部计算机界面领域中应用的前景是广泛的。在Pagtechnology和跨学科合作的加深方面，我们希望在未来揭示更多大脑的奥秘，并促进人类智能和技术的进一步发展。 Rajesh的研究经验也是许多研究人员的鼓励，他们的理论在被提议和广泛的认可和验证之间是10 - 20年。但是，正如他所说的那样，当他将年轻一代杂乱无章时：“坚持不懈，你可以果实。” 为了阅读经验，本文是为了编辑听力手稿。 原始对话指南： https://www.thetransmitter.org/brain-spired/rajesh-rao-flects-on-predictive-brains-isur-inater-interfaces-and-the-future of-human-telligence/return to sohu to sohu看到更多