东京大学的一个研究小组开发了一种方法，通过将视觉皮层中神经元的活动复制到深度神经网络上的视觉图像，用计算机详细分析神经元的活动。
深度神经网络是一种由多层组成的人工神经网络，近年来在人工智能领域取得了很大进展。
未来，当人工智能用于可能危及生命的领域时，例如自动驾驶和医疗诊断，阐明包括人类在内的动物如何处理视觉信息非常重要。...因此，研究小组开发了一种方法，将视觉皮层中神经细胞的活动复制到视觉图像中，然后放到深度神经网络中，并在计算机上进行详细分析，如下所示。
首先，将与展示给动物的图像相同的图像输入到深度神经网络中，以神经细胞相对于图像的活动作为教师信号来学习深度神经网络。接下来，重复更新输入图像，以最大化该神经网络的输出。得到的图像被假定为最大化复制到神经网络的神经细胞的活动的图像，并且对于识别细胞对哪种图像输入响应最好（反应选择性）很有用。
当将该方法应用于小鼠初级视觉皮层中的神经元分析时，会生成与初级视觉皮层反应选择性相对应的图像。如果将该方法应用于高阶区域，预计将识别出未知的反应选择性。
这种方法也可以应用于其他感觉区的分析，有助于阐明大脑中感觉信息的处理机制。此外，通过使用捕捉脑神经细胞活动的深度神经网络，预计将导致更接近人类和动物行为的人工智能的发展。
