互联网是高科技的产物，是历史发展、社会进步、人类智慧的结晶；是人类迄今所拥有的容量最大、内容最广、传递速度最快的信息中心。全球每天有四亿人使用互联网，上网人数占世界人口的百分之6.互联网为我们了解时事、学习知识、与人沟通、休闲娱乐等提供了便捷的条件，接下来这篇文章给大家说说互联网科技的一角。

为什么我们的眼睛比其他人更容易被某些形状，颜色和轮廓吸引?

半个多世纪以来，研究人员已经知道大脑视觉系统中的神经元对某些图像的反应比其他神经元更多 - 这一特征对于识别，理解和解释我们周围的大量视觉线索的能力至关重要。

例如，当人或其他灵长类动物 - 具有高度协调和视觉系统的动物 - 观察面部，地点，物体或文本时，被称为下颞皮层的大脑区域中的视觉神经元的特定群体发射得更多。但究竟这些神经元的反应仍然不清楚。

现在，由哈佛医学院Blavatnik研究所的研究人员领导的一项小型猕猴研究已经基于人工智能系统产生了一些有价值的线索，这些系统可以可靠地确定大脑视觉皮层中哪些神经元更愿意看到。

该小组的工作报告发表在Cell上。

迄今为止尝试测量神经元偏好的绝大多数实验都使用了真实图像。但真实的图像具有固有的偏见：它们仅限于现实世界中可用的刺激以及研究人员选择测试的图像。基于AI的程序通过创建针对每个神经元的偏好定制的合成图像来克服该障碍。

HMS的神经生物学系的研究生Will Will设计了一种计算机程序，该程序使用一种响应式人工智能来创建基于从六只猕猴获得的神经反应的自我调节图像。为此，研究人员测量了动物大脑中各个视觉神经元在计算机屏幕上观看图像时的放电率。

在几个小时的过程中，动物被显示出100毫秒的图像，每个图像由肖的程序生成。图像以灰度随机纹理图案开始。根据被监测的神经元发射的程度，该程序逐渐引入形状和颜色，随着时间的推移变形成一个完全体现神经元偏好的最终图像。肖说，因为这些图像中的每一个都是合成的，所以它避免了研究人员仅通过自然图像传统引入的偏见。

“在每次实验结束时，”他说，“这个程序会为这些细胞产生超级刺激。”

HMS的武汉神经生物学教授高级研究员Margaret Livingstone解释说，这些实验的结果在不同的运行中是一致的 。特定神经元倾向于通过程序进化图像，这些图像不完全相同但非常相似。

其中一些图像与她和她的同事所期望的一致。例如，他们怀疑可能会对面部做出反应的神经元进化成粉红色图像，其中有两个类似于眼睛的大黑点。其他人更令人惊讶。例如，其中一只动物的神经元始终生成看起来像猴子身体的图像，但脖子附近有红色斑点。研究人员最终意识到这只猴子被安置在另一只穿着红领的猴子附近。

利文斯通说：“我们认为这种神经元优先不仅对猴体而且对特定的猴子作出反应。”

肖补充说，并非每张最终影像看起来都像是可识别的东西。一只猴子的神经元进化成了一个小黑方块。另一种进化为无定形黑色形状，下面是橙色。

利文斯通指出，她的实验室和其他人的研究表明，这些神经元的反应不是天生的，相反，它们是通过随着时间的推移一致地暴露于视觉刺激而学习的。利文斯通说，当这种识别和优先识别某些图像的能力出现时，这种能力是未知的。她和她的同事计划在未来的研究中调查这个问题。

了解视觉系统如何响应图像可能是更好地理解驱动认知问题的基本机制的关键，从学习障碍到自闭症谱系障碍，其通常以儿童处理面部提示和识别面部的能力受损为特征。

“大脑视觉处理设备的这种故障会干扰孩子连接，沟通和解释基本线索的能力，”她说。例如，通过研究那些优先响应面孔的细胞，我们可以发现社会发展如何发生以及有时可能出现问题的线索。