深神经网络再现的虚幻动作进行预测

已经参考网络结构和大脑的操作算法开发的深度神经网络（DNN）在广泛的田野中取得了显着的成功，包括计算机视觉，其中它们产生了与和在某些情况下优于人类专家。近年来，DNN也有望用作大脑研究的工具。

由国立基础生物学研究所的渡边英治副教授领导的研究小组成功地复制了这种错觉运动通过DNN训练进行预测。

DNN基于预测编码理论，假设内部模型脑始终预测视觉世界，预测和实际感官输入之间的错误进一步完善内部模型。如果理论基本上复制了视觉信息处理，那么dnn就可以被期望代表人类对运动的视觉感知。

在该研究中，DNN通过从观察者的观察者的角度培训，从观察者的角度进行了自然场景视频，并且使用旋转螺旋桨在未解读的视频和“旋转蛇幻觉”中验证所获得的计算机模型的运动预测能力。计算机模型准确地预测了旋转螺旋桨在未经读数的视频中的幅度和方向。令人惊讶的是，它还代表了对没有动态移动的幻觉图像的旋转运动，很像人类视觉感知。虽然训练的网络准确地复制了错觉旋转的方向，但它没有检测到消极控制图片中的运动成分，其中人们没有感知到错觉运动。

渡边博士说:“这项研究支持了一个令人兴奋的想法，即预测编码理论假定的机制是产生运动错觉的基础。利用感官错觉作为人类感知的指标，深神经网络有望为大脑研究的发展做出重大贡献。”

这些研究结果出版了心理学领域3月15日。这项研究是由国立基础生物学研究所、高等研究研究生院、立命馆大学、国立生理科学研究所和樱花研究室合作开展的。

---

---