當聲波到達內耳時，神經元會撿起振動並提醒大腦。在信號中編碼的是大量信息，使我們能夠進行對話，識別熟悉的聲音，欣賞音樂並迅速找到響起的電話或哭泣的嬰兒。
神經元通過發出尖峰來發送信號 – 沿神經纖維傳播的電壓的短暫變化，也稱為動作電位。值得注意的是，聽覺神經元每秒可以發射數百個尖峰，並以精確的精確度與傳入聲波的振盪相匹配。
通過強大的人類聽力模型，麻省理工學院麥戈文大腦研究所的科學家確定，對於某些最重要的方式，我們了解聽覺信息的某些最重要的方式至關重要，包括識別聲音和本地化的聲音。
開放式調查結果，雜誌中的12月4日報導 自然通訊，展示機器學習如何幫助神經科學家了解大腦如何在現實世界中使用聽覺信息。麻省理工學院的教授和麥戈文的調查員喬什·麥克德莫特（Josh McDermott）領導了這項研究，他解釋說，他的團隊模型更好的研究人員研究了不同類型的聽力障礙的後果，並設計了更有效的干預措施。
聲音科學
神經系統的聽覺信號是定時的，因此研究人員長期以來一直懷疑時機對我們對聲音的看法很重要。聲波以決定其音高的速度振盪：低音調的聲音以慢波傳播，而高音調的聲波更頻繁地振盪。從耳朵中探測毛細胞到大腦的信息的聽覺神經會產生與這些振盪頻率相對應的電尖峰。麥克德莫特（McDermott）解釋說：“聽覺神經中的動作電位相對於刺激波形中的峰值發射。”
這種稱為相鎖的關係需要神經元以亞毫秒精度計時其尖峰。但是科學家並不真正知道這些時間模式對大腦的信息有多信息。麥克德莫特（McDermott）說，除了科學上令人著迷，這個問題還具有重要的臨床意義：“如果您想設計一個為大腦提供電信號以重現耳朵功能的假體，那麼知道知道哪些信息是什麼樣的信息正常耳朵實際上很重要。”他說。
這很難通過實驗研究。動物模型無法對人腦在語言或音樂中提取結構的提取方式提供太多洞察力，並且聽覺神經無法在人類中學習。因此，麥克德莫特（McDermott）和研究生馬克·薩德勒（Mark Saddler）博士’24轉向人工神經網絡。
人工聽力
神經科學家長期以來一直使用計算模型來探討大腦如何解碼感覺信息，但是直到計算功率和機器學習方法的最新進展，這些模型僅限於模擬簡單任務。 “這些先前模型的問題之一是它們通常太好了，”丹麥技術大學的薩德勒說。例如，一個負責識別一對簡單音調較高音調的計算模型可能比被要求做同樣事情的人表現更好。薩德勒指出：“這不是我們每天聽到的那種任務。” “大腦沒有優化解決這項非常人為的任務。”此不匹配限制了可以從這種上一代模型中得出的見解。
為了更好地了解大腦，Saddler和McDermott希望挑戰聽證模型，以做人們在現實世界中使用聽力的事情，例如識別單詞和聲音。這意味著開發人工神經網絡，以模擬從耳朵接收輸入的大腦部分。從大約32,000個模擬的聲音檢測感覺神經元中給出了該網絡的輸入，然後針對各種現實世界任務進行了優化。
麥克德莫特說，研究人員表明，他們的模型複制了人類的聽力 – 比以前的任何聽覺行為模型要好。在一次測試中，人工神經網絡被要求識別幾種背景噪音中的單詞和聲音，從飛機艙的嗡嗡聲到熱情的掌聲。在各種情況下，模型的執行與人類非常相似。
但是，當團隊降低模擬耳朵中尖峰的時機時，他們的模型無法再匹配人類識別聲音或識別聲音位置的能力。例如，雖然麥克德莫特（McDermott）的團隊以前曾證明人們使用俯仰來幫助他們識別人們的聲音，但該模型表明，這種能力會丟失而沒有準確的定時信號。薩德勒說：“您需要相當精確的尖峰時間，以說明人類行為並在任務上表現良好。”這表明大腦使用精確定時的聽覺信號，因為它們有助於聽力的這些實際方面。
該團隊的發現表明了人工神經網絡如何幫助神經科學家了解耳朵所提取的信息如何影響我們對世界的看法，無論是在聽力完好無損的情況下以及何時受損時。麥克德莫特說：“將聽覺神經中的點火模式與行為鏈接的能力打開了很多門。”
麥克德莫特說：“既然我們有了這些模型將耳朵中的神經反應與聽覺行為聯繫起來，我們可以問，’如果我們模擬了不同類型的聽力損失，那將對聽覺能力產生什麼影響？’ ” McDermott說。 “這將有助於我們更好地診斷聽力損失，我們認為這也有很多擴展可以幫助我們設計更好的助聽器或人工耳蝸。”例如，他說：“人工耳蝸的植入物在各種方面受到限制 – 它可以做一些事情而不是其他事情。設置該人工耳蝸以使您能夠調解行為的最佳方法是什麼？原則上，您可以使用模型告訴您。”
