📄 معروضة نسخة «بسيط» — «متقدم» غير جاهزة بعد. أضفه إلى المفضّلة للمساعدة في تسريعها. اطلب التحليل الكامل

رسام يرسم لوحة وهو يراقب المشاهد في القاعة. إذا ابتسم المشاهد، يضيف الرسام إلى اللوحة مزيدًا من الأحمر والخطوط المستديرة، وإذا عبس، يزيل الأزرق ويكسر الزوايا. تقريبًا بهذه الطريقة، «يستجوب» علماء الأعصاب الخلايا العصبية في القشرة البصرية، لكن بدل الألوان يستخدمون مئات الآلاف من الصور، وبدل الابتسامة يستخدمون نبضة كهربائية.

بالنسبة للمنطقة البصرية الأولى (V1)، كان لدى العلماء منذ فترة طويلة نموذج مناسب: الخلايا العصبية هناك تستجيب لسمات بسيطة — مثل ميل الخط أو تردد الأشرطة. لكن في المنطقة المجاورة V4، حيث تتجمع صور أكثر تعقيدًا، لم تكن هناك لغة واضحة. قرر مؤلفو الدراسة الجديدة أن اللغة العالمية يمكن أن تكون اللغة البشرية الأكثر شيوعًا. أخذوا نسخًا رقمية من مناطق دماغ قرد المكاك (V1 وV4)، «عرضوا» عليها العديد من الصور، ولكل خلية عصبية اختاروا تلك التي أثارت أقوى وأضعف استجابة. ثم أطعموا هذه الصور لنموذج بصري-لغوي، الذي أنتج وصفًا قصيرًا — فرضية حول ما تحبه هذه الخلية أو لا تحبه.

للتحقق من الفرضيات، قام العلماء بتوليد صور جديدة لم تُرَ من قبل بناءً على نفس الأوصاف اللفظية، ثم «عرضوها» على الخلايا العصبية الرقمية. كانت النتيجة مذهلة: في منطقة V4، الصور التي أُنشئت وفقًا للوصف «المُفضَّل» جعلت 96.1% من الخلايا العصبية تُصدر استجابة قوية (فوق المئين 95 من المحفزات الطبيعية)، بينما الصور «غير المُفضَّلة» أخمدت 97.6% من الخلايا العصبية إلى ما دون المئين 5. أما الصور العشوائية فلم تحقق سوى حوالي 10% من هذه النتائج. بالنسبة لـ V1، كان التنشيط دقيقًا بنفس القدر، لكن وصف التثبيط بالكلمات كان أصعب — على ما يبدو، «غير المُفضَّل» للخلايا البسيطة أقل تحديدًا.

يشبه هذا النهج لعبة «الهاتف المكسور» بين الدماغ والصورة والنص، لكن بدقة علمية. فهو لا يسمح فقط باختيار المحفزات عشوائيًا، بل يسمح أيضًا «باستجواب» كل خلية عصبية بشكل هادف بلغة نفهمها. في المستقبل، يمكن أن تصبح هذه الحلقة المغلقة — من الصور إلى الكلمات ثم إلى الصور المُصنَّعة — أساسًا للاكتشاف العلمي التلقائي، حيث يصوغ الخوارزمية فرضيات حول عمل الدماغ ويختبرها بنفسه. هكذا يحصل الرسام، الذي بدأ بتخمين مزاج المشاهد، على قاموس لتفضيلاته — ويرسم لوحة تُشعل الخلايا العصبية من الثانية الأولى.

الملخص الأصلي

كما كتبه المؤلفون، بالإنجليزية arXiv:2605.12485

Understanding what individual neurons encode is a core question in neuroscience. In primary visual cortex (V1), mathematical models (e.g., Gabor functions) capture neural selectivity, but no comparable framework exists for higher areas. We show that natural language can fill this role: across macaque V1 and V4, the selectivity of most neurons is captured by concise, verifiable semantic descriptions. Using digital twins of V1 and V4, we develop a closed-loop framework that translates each neuron's high- and low-activating images into dense captions, generates a semantic hypothesis and synthesized images, and verifies the hypothesis in silico. Descriptions range from oriented edges and spatial frequency in V1 to conjunctions of form, color, and texture in V4. In V4, images generated from activating and suppressing hypotheses drove 96.1% of neurons above the 95th and 97.6% below the 5th percentile of natural-image responses, respectively (vs. ~10% for random images); V1 activation results matched V4, while V1 suppression was less describable in language. Representational similarity analysis reveals partial alignment between neural activity, vision embeddings, and language embeddings, with vision most aligned to neural activity; alignment lost in the text bottleneck is recovered when hypotheses are rendered back into images, showing that linguistic compression is lossy yet semantically faithful. Together, these results show that combining generative models with neural digital twins enables interpretable, testable descriptions of neural function at scale, toward agentic scientific discovery.