我們每天毫不費力地做出無數(shù)的抓舉動作。我們手里拿一把鑰匙，通過操作門把手打開前門，然后從外面拉緊鑰匙，然后用鑰匙鎖上。對我們來說，再正常不過的事情是基于我們的眼睛、不同的大腦區(qū)域以及手臂和手部肌肉的復雜相互作用完成日常生活中的動作。
抓取過程的神經(jīng)環(huán)路
德國哥廷根大學靈長類動物中心的神經(jīng)科學家以恒河猴為研究對象，首次成功地開發(fā)出一種人工智能計算模型，可以無縫地模擬從看到物體到抓住物體的整個運動規(guī)劃。該研究長文發(fā)表在《美國科學院院報PNAS》雜志上。
像人類一樣，恒河猴具有高度發(fā)達的神經(jīng)系統(tǒng)和視覺系統(tǒng)以及靈巧的手部運動控制。因此，它們特別適合研究類人的抓握動作。從以前對恒河猴的研究中，我們已知三個大腦區(qū)域之間的相互作用是在抓握物體中起重要作用。然而，到目前為止，還沒有詳細的模型在神經(jīng)水平來解釋整個過程，即從視覺信息的處理到手臂和手部肌肉的控制，以抓住這個對象。
為了開發(fā)這種模型，研究人員訓練兩只雄性恒河猴來掌握42個不同形狀和大小的物體，按隨機順序呈現(xiàn)給他們。在該行為實驗中，首先短暫地照亮要抓握的物體，猴子則注視每個物體下方的紅點，在紅點閃爍后以盡可能短的延遲進行抓握運動。這些訓練條件提供了不同大腦區(qū)域神經(jīng)活動的時間信息，從而可以根據(jù)視覺信號誘發(fā)抓握運動和相關(guān)肌肉的激活。
抓握行為范式
猴子戴著一個數(shù)據(jù)手套，不斷記錄手臂、手和手指的動作。接下來研究人員從猴子的視角拍攝的42個物體的圖像，并將它們輸入到計算機中的遞歸神經(jīng)網(wǎng)絡(luò)，來模擬大腦的神經(jīng)生物過程。通過對猴子的行為數(shù)據(jù)進行訓練后，該人工神經(jīng)網(wǎng)絡(luò)能夠準確反映出恒河猴的抓握動作。如它能夠處理可識別物體的圖像，并能夠再現(xiàn)準確地抓住物體所需的肌肉動力學。
實驗中恒河猴手掌的數(shù)據(jù)手套
將使用遞歸網(wǎng)絡(luò)模型獲得的結(jié)果與猴子實驗的生物學數(shù)據(jù)進行比較。事實證明，該模型的神經(jīng)動力學與猴子的皮質(zhì)腦區(qū)域的神經(jīng)動力學高度一致。該網(wǎng)絡(luò)模型由三個相互關(guān)聯(lián)的階段組成，分別對應(yīng)于猴子的三個皮質(zhì)大腦區(qū)域，并為大腦網(wǎng)絡(luò)的動力學提供了有意義的見解。
研究意義
從長遠來看，該人工神經(jīng)網(wǎng)絡(luò)模型對神經(jīng)康復與治療的發(fā)展有重要意義。例如，在截癱患者中重構(gòu)大腦和四肢之間受損的神經(jīng)連接，從而恢復從大腦到四肢的神經(jīng)信號傳輸，靈長類動物中心神經(jīng)生物學實驗室負責人說：“這種人工神經(jīng)網(wǎng)絡(luò)模型首次以生物學邏輯的方式描述了從看到物體到識別物體再到抓握過程中的動作計劃和手部肌肉控制的神經(jīng)元處理過程。”他補充說：“這種模型有助于更好地了解大腦中的神經(jīng)元興奮過程，并且從長遠來看很可能對開發(fā)更有效的神經(jīng)假體有重要幫助。”
參考資料
Michaels, J.A., et al., A goal-driven modular neural network predicts parietofrontal neural dynamics during grasping. Proc Natl Acad Sci U S A, 2020.
DOI: 10.1073/pnas.2005087117
