似曾相识？西门子7T与谷歌AI告诉你原因

随着西门子最新款7T MAGNETOM Terra取得FDA和CE，基于超高场的人体研究越来越得到影像界重视，而人工智能AI则是最火热的新生技术，当两者结合，又能迸发出怎样的火花？

近日，知名网站Auntminnie.com刊发以《7T fMRI, AI illustrate how memories help with daily activities》为标题的署名文章，报道了该领域的最新进展。

在2018年9月最新发表在神经科学的顶级期刊Neuron杂志（IF>15）的一篇文章表明，欧洲的研究人员使用西门子7T磁共振与人工智能AI技术初步确定了大脑如何使将人类记忆与经验连接，并解决当前的问题。

结果表明，海马体通过检索和发送记忆来解锁过去，同时将初始活动再循环回海马体，触发其他相关记忆的检索。最终，这些回忆帮助我们解决日常生活中的问题。该技术还将有助于人工智能系统更好的模仿人类的思考和解决问题的方式，提升效率。

最为激动人心的是，该实验同时使用了最先进的西门子7T磁共振以及谷歌公司的DeepMind人工智能算法进行数据采集及分析。

研究数据全部在西门子7T磁共振上使用特殊的fMRI技术进行采集，该采集模式由德国马格德堡大学（Otto vonGuericke University Magdeburg）的研究人员开发。通过独特的多体素采集模式，该技术可以分离向海马提供输入的内嗅皮质的部分，并允许测量海马中的记忆模式激活。

26名受试者（包括男性和女性）接受了7T fMRI扫描，受试者被要求看一对图像。每个初始集合包含一个一般绘制的脸和一个物体或一个地方。然后，对象或位置图像与不同的面部配对；结果，每个图像对通过共享对象或位置照片与另一对链接。

然后，研究人员给受试者一张脸部照片，让他们从另外两张脸部照片中选择正确的脸部图像。以此评估受试者的记忆力，观察他们是否可以在图像对之间建立间接联系。这种设计是为了体现海马和相关的皮质脑区域检索相关和多重关联记忆。

然后，当受试者观看人脸、场景和对象时，通过测量和进一步区分海马活动，DeepMind公司的人工智能算法开始发挥作用。当算法指示受试者对图像集及其内容有反应时，该信号是检索到的记忆的指示，从而提示海马收集其他相关记忆。

“海马是储存不同情境（Episodi）的中心，同时也支持跨相关情境的整合，” DeepMind公司的Raphael Koster博士领导的科研团队表示，该公司隶属于谷歌的母公司Alphabet。“使用超高分辨率fMRI，为核心计算原理（如大环重现big-loop recurrence）提供了证据，这可以解释这些明显冲突的海马作用。”

众所周知，海马在维持一个人的情景记忆中起着主要的作用。最近的研究表明，大脑的这个区域还参与收集和整合来自不同时间和相关记忆的信息。

上图：在场景-对象测试中，fMR图像显示记忆激活从后内侧颞叶到枕叶皮质，包括后侧海马旁回和后侧皮质。图像来自Neuron杂志

Koster博士解释：“情境记忆可以告诉你以前是否见过某人，或者你把车停在哪里。”海马系统支持这种类型的记忆，这对于快速学习至关重要。

虽然之前有过不少对情境记忆的研究，但是目前的理论并没有解释人们如何利用以前的经验和知识来发展当前的洞察力。一些研究人员推测，海马体具有循环能力来收集和处理记忆，以利于目前的活动。

DeepMind的另一位科学家Martin Chadwick博士说：“虽然人工智能在很多领域都比较优秀，但是当任务依赖于对情景记忆的灵活使用时，人类仍然具有优势。”如果我们能够理解允许人们这样做的机制，希望我们能够在我们的AI系统中复制它们，为它们提供更大的能力来快速解决新问题。

这仅仅是开始，在科学家的努力下，在7T磁共振和AI技术的协同作用下，相信我们将逐步解开越来越多的大脑谜团。