Нейроны заговорили простым языком экспресс

Оригинал: "Letting the neural code speak: Automated characterization of monkey visual neurons through human language"
arXiv:2605.12485 · 2026-05-12 · CC BY 4.0 · 2 мин
Учёные впервые описали, что именно видит каждая клетка зрительной коры мозга, с помощью обычных слов.

Художник пишет картину, поглядывая на зрителя в зале. Если зритель улыбается — художник добавляет на холст больше красного и округлых линий, если хмурится — убирает синий и ломает углы. Примерно так же нейробиологи «допрашивают» нейроны зрительной коры, только вместо красок — сотни тысяч фотографий, а вместо улыбки — электрический импульс.

Для самой первой зрительной зоны (V1) у учёных долго была удобная модель: нейроны там реагируют на простые признаки — наклон линии, частоту полосок. Но уже в соседней зоне V4, где собираются более сложные образы, такого чёткого языка не было. Авторы новой работы решили, что универсальным языком может стать самый обычный, человеческий. Они взяли цифровые копии участков мозга макаки (V1 и V4), «показали» им множество изображений и для каждого нейрона отобрали те, что вызвали самый сильный и самый слабый отклик. Затем эти картинки скормили зрительно-языковой модели, которая выдала короткую подпись — гипотезу о том, что любит или не любит данный нейрон.

В V4 нейроны оказались настоящими гурманами: один «любит» красные изогнутые формы на текстуре дерева, другой — острые жёлтые предметы на фиолетовом фоне. В V1 всё скромнее: «вертикальная полоска», «низкая частота решётки».

Чтобы проверить гипотезы, учёные по тем же словесным описаниям синтезировали новые, невиданные ранее изображения и снова «показали» их цифровым нейронам. Результат поразил: в зоне V4 картинки, созданные по «любимому» описанию, заставляли 96,1% нейронов выдавать мощный ответ (выше 95-го перцентиля от естественных стимулов), а «нелюбимые» изображения, наоборот, гасили 97,6% нейронов ниже 5-го перцентиля. Случайные картинки давали лишь около 10% таких попаданий. Для V1 активация работала так же точно, а вот подавление описать словами оказалось сложнее — видимо, «нелюбимое» для простых клеток менее определённо.

Когда словесную гипотезу превращали обратно в картинку, сходство нейронных ответов с оригиналом частично восстанавливалось. Это значит, что язык сжимает зрительную информацию с потерями, но сохраняет самую суть — как хороший конспект.

Этот подход напоминает игру в «испорченный телефон» между мозгом, картинкой и текстом, но с научной строгостью. Он позволяет не просто подбирать стимулы наугад, а целенаправленно «расспрашивать» каждый нейрон на понятном нам языке. В перспективе такой замкнутый цикл — от изображений к словам и обратно к синтезированным образам — может стать основой для автоматического научного открытия, где алгоритм сам формулирует и проверяет гипотезы о работе мозга. Так художник, начавший с угадывания настроения зрителя, получает в руки словарь его предпочтений — и пишет картину, которая зажигает нейроны с первой секунды.

В зоне V4 у макак нашли нейроны, которые реагируют на сочетание цвета и текстуры — например, красный объект на деревянной поверхности. Это удивительно похоже на то, как художники описывают свои работы.

Идея «читать мысли» нейронов через языковые модели перекликается с рассказом Теда Чана «История твоей жизни», где расшифровка инопланетного языка меняет восприятие реальности.

Понятия
нейронное усвоение языка обработка естественного языка нейрон нейронная активность зрительная кора генетический код распознавание речи объяснимый ИИ символьная регрессия анализ речи с помощью ИИ система отсчёта трансформеры обучение искусственный интеллект экспрессия генов компьютерное зрение сетчатка связность мозга синтетические изображения обучение цифрового двойника