神經資料的基礎模型與表徵學習
神經數位孿生
指一個預測腦區對任意輸入之反應的 in-silico 基礎模型——即編碼型基礎模型——在許多紀錄上訓練,使其能泛化到新刺激,並日益能泛化到新個體。小鼠視覺皮質的大型模型是最清楚的例子:以跨多次掃描對自然影片的反應訓練後,它對新刺激的活動預測夠好,足以在矽中進行實驗、搜尋最佳(最大激發)刺激,並在不接觸動物的情況下探測調諧。
孿生是編碼方向,恰為解碼型基礎模型的鏡像。此方向正是寫入型義肢所需:要知道哪種刺激樣式會誘發目標知覺,你需要一個關於組織如何反應的前向模型。因此數位孿生是視覺及其他神經義肢的自然夥伴,也是驗證那些在活體中太昂貴或太慢之假設的試驗場——但須恆記一項但書:孿生的好壞,止於它所訓練的刺激分布。
又称
另见