AI计算模型可以模拟手部运动控制

我们每天毫不费力地做出无数的抓举动作。我们手里拿一把钥匙，通过操作门把手打开前门，然后从外面拉紧钥匙，然后用钥匙锁上。对我们来说，再正常不过的事情是基于我们的眼睛、不同的大脑区域以及手臂和手部肌肉的复杂相互作用完成日常生活中的动作。

 

 

 

 

抓取过程的神经环路

 

德国哥廷根大学灵长类动物中心的神经科学家以恒河猴为研究对象，首次成功地开发出一种人工智能计算模型，可以无缝地模拟从看到物体到抓住物体的整个运动规划。该研究长文发表在《美国科学院院报PNAS》杂志上。

 

 

像人类一样，恒河猴具有高度发达的神经系统和视觉系统以及灵巧的手部运动控制。因此，它们特别适合研究类人的抓握动作。从以前对恒河猴的研究中，我们已知三个大脑区域之间的相互作用是在抓握物体中起重要作用。然而，到目前为止，还没有详细的模型在神经水平来解释整个过程，即从视觉信息的处理到手臂和手部肌肉的控制，以抓住这个对象。

 

为了开发这种模型，研究人员训练两只雄性恒河猴来掌握42个不同形状和大小的物体，按随机顺序呈现给他们。在该行为实验中，首先短暂地照亮要抓握的物体，猴子则注视每个物体下方的红点，在红点闪烁后以尽可能短的延迟进行抓握运动。这些训练条件提供了不同大脑区域神经活动的时间信息，从而可以根据视觉信号诱发抓握运动和相关肌肉的激活。

 

 

抓握行为范式

 

猴子戴着一个数据手套，不断记录手臂、手和手指的动作。接下来研究人员从猴子的视角拍摄的42个物体的图像，并将它们输入到计算机中的递归神经网络，来模拟大脑的神经生物过程。通过对猴子的行为数据进行训练后，该人工神经网络能够准确反映出恒河猴的抓握动作。如它能够处理可识别物体的图像，并能够再现准确地抓住物体所需的肌肉动力学。

 

 

实验中恒河猴手掌的数据手套

 

将使用递归网络模型获得的结果与猴子实验的生物学数据进行比较。事实证明，该模型的神经动力学与猴子的皮质脑区域的神经动力学高度一致。该网络模型由三个相互关联的阶段组成，分别对应于猴子的三个皮质大脑区域，并为大脑网络的动力学提供了有意义的见解。

 

研究意义

 

从长远来看，该人工神经网络模型对神经康复与治疗的发展有重要意义。例如，在截瘫患者中重构大脑和四肢之间受损的神经连接，从而恢复从大脑到四肢的神经信号传输，灵长类动物中心神经生物学实验室负责人说：“这种人工神经网络模型首次以生物学逻辑的方式描述了从看到物体到识别物体再到抓握过程中的动作计划和手部肌肉控制的神经元处理过程。”他补充说：“这种模型有助于更好地了解大脑中的神经元兴奋过程，并且从长远来看很可能对开发更有效的神经假体有重要帮助。”