盖世汽车讯 为了更好地观察周围的世界，动物们不断地运动。灵长类动物和人类使用复杂的眼球运动来集中视觉，例如，人类阅读时的眼球运动；鸟类、昆虫和啮齿类动物则通过移动头部来集中视觉，甚至估计距离。然而，这些运动是如何在大脑用于“观察”的复杂神经元回路中发挥作用的，目前大部分仍是未知的。由于科学家创建人工神经网络来模拟视觉如何在自动驾驶汽车中工作，因此，该领域的问题具有研究价值。

据外媒报道，为了更好地理解运动和视觉之间的关系，哈佛大学的研究人员观察了当动物自在地漫步时，大脑中分析图像的主要区域发生了什么。该项研究的结果显示，当动物运动时，图像处理回路在初级视觉皮层不仅更活跃，而且它们接收来自大脑运动控制区域的信号，该区域独立于处理所看到的东西的区域。事实上，研究人员描述了视觉皮层中两组与运动相关的模式，这两种模式基于头部的运动以及动物是处于光照或黑暗中。

自动驾驶，自动驾驶,机器视觉，神经网络

（图片来源：https://medicalxpress.com/）

与运动相关的发现出乎意料，因为视觉往往被认为是一种前馈计算系统，视觉信息通过视网膜进入，在单向神经回路中移动，对信息逐步进行处理。而研究人员发现，有更多的证据表明，视觉系统具有更多的反馈组件，信息可以向相反的方向传播。这些结果让人们得以一窥神经活动是如何在大脑的感知区域中工作的。

哈佛医学院神经生物学系博士后研究员、该项研究的主要作者Grigori Guitchounts表示，“在视觉皮层中看到此种类型的（运动相关）信息令人惊讶，因为传统上人们认为视觉皮层只处理图像。该感知区域会呈现动物正在进行的特定类型的动作，而原因最初是很神秘的。”虽然科学家们还不能确定发生这种情况的原因，但他们相信这与大脑感知周围事物的方式有关。Guitchounts称，“对此的模型解释是，大脑以某种方式需要协调感知和行动，你需要知道感官输入何时是由自身的行为引起的，何时是由外界的东西引起的。”

过去关于视觉实验的典型设置是这样的：如老鼠或猴子这些动物被注射镇静剂，使其头部固定在固定位置，然后予以视觉刺激，如照片，这样研究人员可以看到大脑中的哪些神经元会做出反应。但此种方法并没有阐明运动如何影响进行分析工作的神经元。

此次最新实验中，研究人员观察10只老鼠的昼夜活动，以探索这一问题。科学家们把每只老鼠放在笼子里，并持续记录其头部运动。通过植入电极，他们测量了老鼠运动时初级视觉皮层的大脑活动。其中一半的信息是在有光照的条件下记录的，另一半信息则是在完全黑暗的环境下记录的。研究人员想要比较有视觉输入和没有视觉输入时视觉皮层的活动。

数据显示，平均而言，即使在黑暗中，老鼠运动时的视觉皮层比休息时更活跃。然而在漆黑的房间里，并没有需要处理的视觉数据，这意味着此种活动来自运动皮层，而非外部图像。研究小组还注意到，在黑暗环境和光照环境中，运动时视觉皮层的神经模式是不同的，这意味着这两种模式之间没有直接联系。研究人员使用机器学习算法对两种模式进行编码。通过观察老鼠视觉皮层的神经活动，科学家们不仅能判断出老鼠头部的移动方向，还能在老鼠做出动作前几百毫秒预测出其移动方向。

研究人员通过聚焦次级运动皮层，证实了运动信号来自大脑的运动区。他们在几只老鼠身上进行了手术破坏，然后再次进行实验。大脑这一区域受损的老鼠，视觉皮层不再发出信号。然而，研究人员无法确定信号是否来自次级运动皮层。

此外，科学家们指出了他们的发现存在一些局限性。例如，他们只测量了头部的运动，却没有测量眼球的运动，而且该项研究基于在夜间活动的啮齿类动物。虽然这类动物的视觉系统与人类和灵长类动物有相似之处，但复杂性有所不同。不过，这些发现有可能应用于控制机器视觉的神经网络，如自动驾驶汽车的神经网络。

Guitchounts表示，“这一切都是为了更好地理解视觉是如何工作的。神经科学正在进入一个新时代，我们认为感知和行动是相互交织的循环。没有感知就没有行动，没有行动就没有感知，我们现在有技术来进行测量。”