人工智能有望帮助克服视觉恢复领域最大的挑战之一:让大脑植入设备产生可靠的视觉体验。来自包括加州大学圣塔芭芭拉分校在内的三家机构的研究人员证明,人工智能可以提高实验性视觉假体刺激大脑的精确度,并更好地预测使用者的感知内容。

研究团队使用深度学习系统,为暂时植入视觉皮层(大脑后部负责处理视觉信息的区域)的电极开发电刺激模式。通过分析大脑的反应,这项技术让研究人员能更精准地控制神经活动,并更好地预判植入设备所产生的视觉感受。

这项概念验证研究发表在《Neuron》期刊上,代表了更先进视觉假体(有时被称为仿生眼)研发的进展。这类设备未来有望通过学习每个人大脑对刺激的独特反应方式,而非依赖预设参数,从而变得更加有效。

加州大学圣塔芭芭拉分校计算机科学及心理与脑科学副教授迈克尔·拜耶勒表示:"在抽象层面构建模型是一回事,而看着它在真人身上塑造实验结果则完全是另一回事。这种从理论走向未来可能帮助他人的能力,正是我们实验室许多工作的驱动力。"

仿生视觉如何绕过受损的眼睛

数十年来,科学家们一直致力于开发能够为盲人恢复部分视力的技术,但效果普遍有限。一些实验性设备会刺激视网膜,即眼睛后部负责探测光线的组织层。另一些设备则尝试激活视觉系统中将视觉信息传递至大脑的更深层通路部分。

视觉皮层假体的工作方式有所不同。它不依赖眼睛或视神经,而是直接向视觉皮层发送电信号。这种方法可能为那些视觉通路已受损、但视觉皮层仍能对刺激作出反应的人群提供潜在解决方案。可能适用的对象包括因中风、神经退行性疾病或脑外伤而失明的人。

对于那些记得曾经能看见事物是什么感觉的人来说,哪怕恢复有限的视力也可能意义非凡。

拜耶勒特别提到那些"曾在生命的一部分时间里能够看见,但后来因遗传性眼病或意外事故而失明"的人群,并补充道:"对这些人来说,重获部分视力的渴望可能非常强烈。"

这项新发现建立在此前计算研究的基础之上,该研究得到了拜耶勒2022年美国国立卫生研究院(NIH)主任新创新者奖的支持。这笔为期五年、金额达200万美元的资助,一直支持着他致力于让人工视觉系统更精确、更可预测、更有效的努力。

科学家在一名盲人身上利用大脑植入设备测试AI

一个重要的测试机会出现在2024年,拜耶勒仿生视觉实验室的研究人员前往西班牙,目标是确定他们的计算机模型能否提升一项已在实验研究中使用的大脑植入设备的性能。

在埃尔切IMED医院,研究团队与一名27岁的男子展开合作,他因脑外伤而失明。他体内植入了一个包含96个电极、排列成阵列的装置,位于其视觉皮层内。该设备计划在体内保留六个月后移除。

当研究人员用电流激活电极时,参与者体验到了被称为"光幻视"的视觉感受。这些感受可能表现为光点、闪光或光的形状,有时类似星星或烟花。

产生这类感受是可行的,但让它们保持一致且可预测则困难得多。同样的电刺激并不总能触发完全相同的反应,而激活特定电极也不能保证使用者一定会感知到某种特定的视觉图案。

为解决这一问题,研究人员训练了一个深度神经网络——一种旨在识别复杂模式的人工智能——以预测视觉皮层在不同电刺激设置下会如何反应。该模型还考虑了刺激发生前大脑的静息活动状态,从而获知参与者当前的神经状态信息。

借助这些预测,研究人员识别出了最有可能产生特定脑活动模式的电信号组合。

AI让仿生视觉更加精准

当科学家们测试由人工智能选定的刺激模式时,结果令人振奋。相比对照方法,这种新方法在使用更少电流的情况下,更准确地产生了预期的神经活动模式。

当团队研究大脑活动与参与者视觉体验之间的关系时,又有一项重要发现浮出水面:直接从大脑记录到的活动模式,比刺激参数本身更能预测他所感知到的内容。

这一区别十分重要,因为激活大脑并不等同于知道一个人将会看到什么。即使研究人员能够产生所需的神经反应,他们仍需要理解大脑如何将这种活动转化为有意识的视觉体验。

拜耶勒表示:"工程师们自然而然地想把光幻视当作像素来处理:刺激更多的电极,就应该得到更完整的图像。但大脑的运作方式并非如此。电极之间会相互影响,神经反应会波动,我们输入大脑的内容未必就是使用者所感知到的内容。挑战在于更深入地了解这种转化过程。"

这些发现表明,未来的视觉假体可能需要做的不仅仅是发送电信号,它们可能还需要监测大脑的反应,并利用这些反馈不断改进刺激方式。

让大脑植入设备学会适应每个人

实验中所用植入设备的一个关键优势在于它能够同时执行两项任务:既能用电流刺激视觉皮层,又能同步记录由此产生的神经活动。

这使得研究人员能够利用大脑的真实反应来训练他们的人工智能模型,而不是仅仅依赖关于哪些电极被激活以及输出电流大小的信息。

参与者还提供了关于其体验内容的反馈。他会报告是否看到了光幻视,并且在某些实验中,还会描述其外观,包括形状、大小、亮度和颜色。

将这些报告与记录到的脑活动进行比对后发现,神经反应中所包含的、与感知到的视觉感受相关的有用信息,比单纯的电刺激参数更丰富。

该人工智能系统还利用静息脑活动的测量数据,来考量参与者在每次刺激前神经状态的变化。这一点可能尤为重要,因为大脑对电信号的反应可能会随时间变化,包括逐日的变化。

通过让刺激适应这些不断变化的条件,未来的假体设备或许能够提供更稳定一致的视觉体验,而无需使用者去适应一套固定不变的信号。

拜耶勒表示:"一个真正有用的视觉假体不能依赖固定不变的方案,它必须学习特定个体大脑的反应方式,并相应地调整刺激。归根结底,应该是设备去适应使用者,而不是反过来。"

迈向视力恢复的协作一步

这项研究汇聚了来自加州大学圣塔芭芭拉分校、苏黎世联邦理工学院和米格尔·埃尔南德斯大学的科学家。拜耶勒将这次合作称为"真正的协作"。

该项目由共同第一作者——苏黎世联邦理工学院的佩韦恩·穆尔、加州大学圣塔芭芭拉分校的雅各布·格兰利以及米格尔·埃尔南德斯大学的法布里齐奥·格拉尼——共同领导。项目的指导研究者为拜耶勒、苏黎世联邦理工学院的刘诗慈以及米格尔·埃尔南德斯大学的爱德华多·费尔南德斯。他们的工作是西班牙正在进行的一项更大规模可行性试验的组成部分。

尽管这项技术仍处于实验阶段,参与者的视觉体验也仅限于闪光和光的形状,但这些结果展示了人工智能如何改善人工视觉设备与大脑之间的沟通方式。

未来的仿生视觉系统或许不会再把每个大脑都当作以相同方式作出反应的对象,而是能够从每个个体身上学习,并相应地调整其信号。这种个性化方法,或许正是未来开发出能够真正为失明者恢复实用视力的植入设备所不可或缺的关键。

ScienceDaily