予測的リマッピングとアロセントリックコーディング：能動的視覚のリカレントニューラルネットワークモデルにおけるエネルギー効率の結果

科学分野:

• 神経科学
• 計算神経科学
• 人工知能

背景:

• 眼球運動中の安定した視覚的知覚は、エフェレンス・コピーを使用した予測的計算に依存しています。
• これらの複雑な計算の神経基盤とその下にある接続性は完全には理解されていません。
• この研究は、エネルギー効率のような単純な物理的原理がこれらの現象を説明できるかどうかを調査します。

研究 の 目的:

• エネルギー効率の制約が予測的リマッピングとアロセントリックコーディングの出現を駆動できるかどうかを調査すること。
• ニューラルネットワークが複雑な視覚処理メカニズムをどのように発展させる可能性があるかをモデル化すること。
• 洗練されたニューラル計算の潜在的な起源を基本的な原理から理解すること。

主な方法:

• リカレントニューラルネットワークを、固定パッチのシーケンスと眼球運動のエフェレンス・コピーで訓練しました。
• モデルは、特に活性化前のエネルギー消費を最小限に抑えるように最適化されました。
• 参照フレームコーディングを含む、ネットワークの創発的な計算特性を分析しました。

主要な成果:

• エネルギー効率の最適化のみが、標的とする抑制性の予測的リマッピングの出現につながりました。
• モデルは、自己中心的な眼球座標をアロセントリック参照フレームに再コード化する能力を発展させました。
• モデルにおける予測的リマッピングは、学習されたアロセントリックコーディングに依存していました。

結論:

• 予測的リマッピングやアロセントリックコーディングのような複雑なニューラル計算は、エネルギー効率の制約から現れる可能性があります。
• 単純な物理的原理は、視覚的安定性のための洗練された神経メカニズムを説明するのに十分である可能性があります。
• この研究は、生物学的ニューラルネットワークがどのように複雑な機能を進化させる可能性があるかについての洞察を提供します。