Модели свёрточных нейронных сетей описывают кодирующее подпространство локальных цепей в слуховой коре

Как компьютеры помогают нам слышать мир

Обычная жизнь полна наложенных друг на друга звуков: голоса, музыка, шаги и транспорт одновременно заполняют наши уши. Наш мозг как-то с лёгкостью распутывает этот шум, но точные приёмы, которыми оперирует слуховая кора, остаются неясными. В этом исследовании показано, как современные инструменты глубокого обучения, подобные тем, что используются в распознавании речи и изображений, можно «раскрыть», чтобы выявить акустические признаки, важные для нейронов, — и как эти признаки организованы в микроскопических локальных цепях.

От диких звуковых ландшафтов к активности мозга

Исследователи регистрировали электрическую активность тысяч отдельных нейронов в слуховой коре бодрствующих хорьков, пока животные слушали обширную библиотеку натуральных звуков: фрагменты речи, музыку, шумы окружающей среды и призывы животных. Вместо простых тонов команда выбрала этот богатый звуковой набор, чтобы лучше соответствовать сложности повседневного слухового восприятия. Каждый звук преобразовывали в спектрограмму — временно-частотное изображение распределения энергии по высотам во времени — и затем обучали свёрточную нейронную сеть (CNN) предсказывать помиллисекундно, как будет спайковать каждый нейрон. Как и в других сенсорных областях, эта глубокая сеть превосходила классические линейные модели, которые предполагают, что каждый нейрон «слушает» через один фиксированный фильтр.

Выравнивание глубокой сети в простое звуковое пространство

Высокоэффективные CNN часто критикуют как «чёрные ящики»: они хорошо подстраиваются под данные, но трудно поддаются интерпретации. Чтобы решить эту проблему, авторы разработали способ «выровнять» глубокую модель в простое низкоразмерное звуковое пространство для каждого нейрона. Сначала они вычисляли динамическое рецептивное поле в каждый момент времени, спрашивая, как небольшое изменение входной спектрограммы повлияет на выход CNN для данного нейрона. Это породило большой набор покадровых фильтров, отражающих зависимость предсказания модели от недавнего звука. Затем они использовали статистический приём, чтобы суммировать эти многочисленные фильтры несколькими главными компонентами — обычно всего 3–13 — которые вместе задают подпространство настройки нейрона: небольшой набор звуковых шаблонов, действительно влияющих на его активность.

Чтение нелинейных откликов в этом общем пространстве

После проекции звуков в подпространство настройки нейрона команда измеряла, как меняется частота спайков по позициям в этом сокращённом пространстве, формируя то, что они называют подпространственными рецептивными полями. Эти поверхности часто были изогнутыми и многопиковыми, раскрывая богатое нелинейное поведение, которое простые модели пропускают: некоторые нейроны сильно реагировали на несколько разных звуковых шаблонов, другие на положительные и отрицательные отклонения вдоль измерения, а многие показывали острые зоны чувствительности, окружённые областями подавления. Существенно то, что новая модель, использующая только проекцию в подпространство и умеренный нелинейный считыватель, предсказывала активность почти так же хорошо, как исходная CNN, захватывая более 95% объяснённой ею дисперсии. Это показывает, что сложность глубокой модели можно дистиллировать в компактное, интерпретируемое описание того, «чего» слушает каждый нейрон.

Как соседи делят и распределяют работу

Поскольку регистрации охватывали многие нейроны вдоль одной и той же корковой колонки, авторы могли исследовать, как локальные популяции разделяют задачу кодирования звука. Они обнаружили, что нейроны в данном участке в основном занимают одно и то же подпространство настройки: их предпочтительные звуковые шаблоны берут начало из общего низкоразмерного набора признаков, вероятно отражающего общий вход с более ранних этапов. Однако внутри этого общего пространства область высокой активности каждого нейрона занимает лишь небольшую часть, и эти области перекрываются не больше, чем если бы они были распределены случайно. Другими словами, близко расположенные нейроны слушают похожие типы звуков, но сильно реагируют на разные конкретные комбинации, формируя разрежённую «мозаику» пространства. Такая организация объясняет, почему соседние клетки часто откликаются совсем по-разному на один и тот же натуральный звук, несмотря на общие предпочтения, такие как основная частота.

Разные типы клеток — разные роли

Команда также использовала различия формы спайков и глубины записи, чтобы разделить предполагаемые возбуждающие и тормозные нейроны и отнести их к корковым слоям. Тормозные клетки, опознанные по узким спайкам, как правило, имели более широкие подпространственные рецептивные поля, то есть реагировали на большие области общего звукового пространства. Их нелинейная настройка чаще имела чашеобразные формы, при которых сильные отклики возникают при больших отклонениях в любом направлении вдоль измерения. Возбуждающие клетки, напротив, чаще демонстрировали пиковую, холмистую настройку, ограниченную более узким диапазоном входов. В совокупности эти закономерности поддерживают представление о том, что широко настроенные тормозные нейроны помогают формировать разрежённый, селективный код среди более узко настроенных возбуждающих соседей, причём баланс этих эффектов меняется по слоям коры.

Почему эта концепция важна

Эта работа демонстрирует, что глубокие нейронные сети, обученные прямо на данных мозга, можно перевести в интуитивно понятные карты того, что кодируют сенсорные нейроны и как организованы локальные цепи. Показав, что небольшой набор общих звуковых признаков лежит в основе откликов многих соседних нейронов, тогда как отдельные клетки вырезают для себя разные ниши внутри этого пространства, исследование даёт конкретную основу для размышлений о разрежённом кодировании, контроле усиления и инвариантности в слуховой коре. Более широко, та же стратегия «выравнивания» может применяться и в других областях мозга, превращая мощные, но непрозрачные модели глубокого обучения в ясные гипотезы о вычислениях, которые выполняют естественные нейронные цепи.

Цитирование: Wingert, J.C., Parida, S., Norman-Haignere, S.V. et al. Convolutional neural network models describe the encoding subspace of local circuits in auditory cortex. Nat Neurosci 29, 876–887 (2026). https://doi.org/10.1038/s41593-026-02216-0

Ключевые слова: слуховая кора, свёрточные нейронные сети, нейронное кодирование, разрежённое кодирование, сенсорное подпространство