资源：

日内瓦大学

概要：

通过在一项简单任务中记录大脑活动，神经科学家表明大脑不一定会使用机器学习识别的大脑区域来执行任务。最重要的是，这些地区反映了与这项任务有关的心理联想。虽然机器学习对解码心理活动非常有效，但对理解大脑中特定的信息处理机制并不一定有效。

在过去十年中，研究人员一直在使用称为机器学习的人工智能技术来解码人类的大脑活动。应用于神经影像数据，这些算法可以重建我们所看到的，听到的，甚至是我们的想法。例如，它们表明具有相似含义的词汇在我们大脑不同部位的区域中组合在一起。然而，通过在一项简单任务中记录大脑活动 - 无论听到日内瓦大学（UNIGE），瑞士和巴黎的高等师范学院（ENS）的神经科学家是否听说BA或DA，现在都表明大脑不一定使用通过机器学习识别的大脑区域来执行任务。最重要的是，这些地区反映了与这项任务有关的心理联想。虽然机器学习对解码心理活动非常有效，但对理解大脑中特定的信息处理机制并不一定有效。结果可在PNAS杂志上找到。

现代神经科学数据技术最近强调了大脑如何在空间上组织词语的描述，研究人员能够根据活动区域进行精确映射。因此，UNIGE的神经科学家询问了大脑在执行特定任务时如何使用这些空间图。 UNIGE医学院基础神经科学系教授Anne-Lise Giraud说：“我们已经使用了所有可用的人体神经影像学技术来试图回答这个问题。

用于选择信息的焦点区域

UNIGE的神经科学家约有五十人听从BA到DA的连续音节。中心音素非常模糊，很难区分这两种选择。然后，他们使用功能性MRI和脑磁图检查了声音刺激非常清晰时大脑的行为，或者相反，当它含糊不清时，需要对大脑的音素及其解释进行主动的心理表征。 Anne-Lise Giraud指出：“我们观察到，无论BA和DA之间听到的音节是多么困难，这个决定总是涉及颞上后叶的一个小区域。

然后神经科学家再次检查一个患者的结果，用于区分BA和DA的颞上后叶特定区域的损伤。 “事实上，虽然患者似乎没有症状，但他不再能区分BA和DA音素......这证实这个小区域在处理这类音素信息方面非常重要，”Sophie Bouton补充道， ，Anne-Lise Giraud团队的研究员。

机器学习解码的“误报”

但正如这些日内瓦科学家的实验所显示的那样，或者它是否在我们的大脑中更普遍地存在，就像正在通过机器学习产生的地图所表明的那样，关于音节身份的信息就在当地存在？为了回答这个问题，神经科学家们出于医学原因，将电极直接植入大脑的人们复制了BA / DA任务。这种技术可以收集非常焦点的神经活动。单因素分析使得可以在任务期间查看大脑的哪个区域被请求，电极由电极，通过接触接触。只有颞上后叶的接触活跃，从而证实了日内瓦研究的结果。

然而，当机器学习算法应用于所有数据，从而对数据进行多元解码时，在整个颞叶甚至超过它时观察到积极的结果。

Anne-Lise Giraud指出：“学习算法是聪明但无知的。 “他们非常敏感，使用信号中的所有信息，但是他们不允许我们知道这些信息是否被用来执行任务，或者如果它反映了这个任务的后果 - 换句话说，传播我们大脑中的信息，“ENS的Departement d'études认知研究员ValérianChambon继续说道。从某种意义上来说，后上颞叶外侧的映射区域是误报。这些地区保留关于主体作出的决定（BA或DA）的信息，但没有被要求执行这项任务。

这项研究提供了一个更好的理解，我们的大脑如何描绘音节，并通过在某些研究背景下显示人工智能的限制，促进反思如何解释机器学习算法产生的数据。