Redes neuronales profundas (DNN) capacitados para realizar tareas visuales puede parecerse, predecir y explicar la actividad neuronal en la corteza visual. Sin embargo, para aprovechar al máximo dichos modelos, se necesita una caja de herramientas para comparar de manera eficiente los espacios de representación de las DNN de última generación y las respuestas cerebrales.
Un microchip: una interpretación artística abstracta. Crédito de la imagen: Gerd Altmann, licencia CC0 vía PublicDomainPictures.net
Por lo tanto, un artículo reciente en arXiv.org presenta Net2Brain, una caja de herramientas fácil de usar que permite a los neurocientíficos incorporar de manera eficiente más de 600 DNN en su investigación. Facilita la adopción de DNN en la investigación de la neurociencia cognitiva, reduce la barrera del conocimiento para los recién llegados que desean implementar estas herramientas y brinda a los usuarios la flexibilidad para realizar estos análisis utilizando sus modelos computacionales y conjuntos de datos cerebrales.
Como trabajo exploratorio, los investigadores utilizaron Net2Brain para probar una hipótesis de la neurociencia computacional cognitiva.
Presentamos Net2Brain, una caja de herramientas de interfaz de usuario gráfica y de línea de comandos para comparar los espacios de representación de las redes neuronales profundas artificiales (DNN) y las grabaciones del cerebro humano. Si bien las diferentes cajas de herramientas facilitan solo funcionalidades individuales o solo se enfocan en un pequeño subconjunto de modelos de clasificación de imágenes supervisados, Net2Brain permite la extracción de activaciones de más de 600 DNN capacitados para realizar una amplia gama de tareas relacionadas con la visión (por ejemplo, segmentación semántica, estimación de profundidad, reconocimiento de acciones, etc.), sobre conjuntos de datos de imágenes y videos. La caja de herramientas calcula las matrices de disimilitud representacional (RDM) sobre esas activaciones y las compara con grabaciones cerebrales mediante análisis de similitud representacional (RSA), RSA ponderado, tanto en ROI específicos como con búsqueda de reflectores. Además, es posible agregar un nuevo conjunto de datos de estímulos y grabaciones cerebrales a la caja de herramientas para su evaluación. Demostramos la funcionalidad y las ventajas de Net2Brain con un ejemplo que muestra cómo se puede utilizar para probar hipótesis de neurociencia computacional cognitiva.
Artículo de investigación: Bersch, D., Dwivedi, K., Vilas, M., Cichy, RM y Roig, G., “Net2Brain: una caja de herramientas para comparar modelos de visión artificial con respuestas cerebrales humanas”, 2022. Enlace: https://arxiv.org/abs/2208.09677
