Zespół z Szkoły Politechnicznej Federalnej Lausanny (EPFL) pokazał, że można generować wideo za pomocą AI w taki sposób, aby maksymalnie aktywować konkretne regiony mózgu. Zamiast po prostu tworzyć realistyczne obrazy, naukowcy użyli modeli diffusion z wbudowanymi informacjami o tym, które neurony i w jakim stopniu reagują na różne bodźce wizualne.
Podejście opiera się na głębokim zrozumieniu kodowania neuronowego w korze mózgowej. Badacze najpierw mapowali odpowiedzi neuronów na szeroki zakres obrazów, tworząc funkcje kodujące dla określonych populacji komórek nerwowych. Następnie integrowali te funkcje z procesem generowania wideo, kierując model diffusion tak, aby każda wygenerowana klatka maksymalizowała aktywację docelowego regionu. To podejście jest eleganckie - zamiast ręcznie szukać idealnych stymulów, pozwala algorytmowi odkrywać je w przestrzeni możliwych obrazów.
Znaczenie tego odkrycia sięga poza samą ciekawość naukową. Dla neuronauuki oznacza to nowe narzędzie do testowania teorii na temat organizacji i funkcji mózgu. Dla sztucznej inteligencji stanowi punkt kontaktowy między neuroscience a deep learning - jeśli modele AI mogą generować optimalne stymuly dla rzeczywistych neuronów, sugeruje to, że uczą się podobnych reprezentacji do mózgu. Jednocześnie otwiera pytania etyczne o możliwość potencjalnego wpływania na ludzi poprzez wideo projektowane do bezpośredniego oddziaływania na mózg.