Tutkimus osoitti: Aivot havainnoivat ympäröivän tilan 100 millisekunnissa
Aalto-yliopiston, Cambridgen ja Columbian yliopistojen tutkijat selvittivät tuoreessa tutkimuksessa, miten ympäröivän tilan, kuten liikkumista rajoittavien seinien, visuaalinen havaitseminen aivoissamme tapahtuu.
Tutkimukseen osallistuneille henkilöille näytettiin satunnaisessa järjestyksessä kaikkiaan noin sata erilaista tilavaihtoehtoa. 3D-mallintamisen avulla näkymästä poistettiin yksi tai useampi huoneen tilaelementeistä, esimerkiksi katto tai takaseinä. Tilanäkymä saattoi siis esittää huonetta, jossa oli kolme seinää, katto ja lattia, tai se saattoi olla pitkulainen näkymä huoneesta, josta oli poistettu katto ja takaseinä.
”Halusimme selvittää maisemiin ja tiloihin voimakkaasti reagoivien aivoalueiden rooleja ja työnjakoa sekä näkötiedon käsittelyn nopeutta. Havaitsimme, että aivot käsittelevät tilan rakenteeseen liittyvää tietoa todella nopeasti, vain sadassa millisekunnissa”, kertoo Aalto-yliopiston tutkija Linda Henriksson.
Aivoista noin viidesosa käsittelee pääasiassa näköaistin kautta tulevaa tietoa ympäristöstämme. Näkötiedon käsittely alkaa jo silmän verkkokalvolla, mutta lisäksi vaaditaan usean aivoalueen yhteistyötä. Tutkimus osoitti, että tilan rakenteen hahmottaminen tapahtuu takaraivolohkon voimakkaasti maisemille ja tiloille reagoivalla aivoalueella (occipital place area, OPA).
Tutkimus yhdisti kahta toisiaan täydentävää aivokuvantamismenetelmää. Toiminnallisen magneettikuvantamisen (fMRI) avulla voidaan paikantaa ne aivojen alueet, jotka reagoivat vahvasti tiloihin, ja magnetoenkefalografian (MEG) avulla voidaan seurata aivovasteiden ajallista käyttäytymistä. Kaikki aivokuvantamistutkimukset tehtiin Aalto-yliopiston tutkimuslaitteilla.
”Pystyimme tutkimuksessa aivovasteiden perusteella ennustamaan, mitkä tilaelementit olivat mukana kussakin esitetyssä tilanäkymässä. Näimme jo MEG-vasteiden varhaisissa vaiheissa vastaavat tulokset kuin toiminnallisella magneettikuvantamisella”, sanoo Linda Henriksson.
Tutkijat käyttivät 3D-mallintamisessa kolmea erilaista pintarakennetta eli tekstuuria ja havaitsivat, että aivojen aktivaatio takaraivolohkon aivoalueella ei juurikaan riippunut käytetystä tekstuurista.
Konenäkösovelluksia, 3D-virtuaaliympäristöjä ja syviä neuroverkkoja
Jatkossa tutkijat pyrkivät tuomaan lisää luonnollisuutta koeasetelmiin 3D-virtuaaliympäristöjen avulla. Tutkimus voi auttaa esimerkiksi konenäkösovellusten kehittämisessä.
”Ihmisen näköjärjestelmän eri kerrosten ja niiden järjestäytyneisyyden ymmärtäminen voi auttaa myös syvien neuroverkkojen kehittämisessä”, Linda Henriksson sanoo.
Syvät neuroverkot ovat tekoälyn oppimismenetelmä, ja ne perustuvat keinotekoisiin hermosoluihin, jotka muodostavat monikerroksisen neuroverkon.
”Haluamme kehittää konenäköjärjestelmiä, jotka nykyistä paremmin jäljittelevät aivojen toimintaa. Näissä järjestelmissä voisi olla erityistä koneistoa nopeasti havainnoimassa ympäristön geometriaa”, professori Nikolaus Kriegeskorte Columbian yliopistosta lisää.
Suomen Akatemia on rahoittanut tutkimusta, ja sen tekivät yhteistyössä Aalto-yliopiston, Cambridgen ja Columbian yliopistojen tutkijat Linda Henriksson, Marieke Mur ja Nikolaus Kriegeskorte.
Lisätietoja:
Artikkeli: Rapid invariant encoding of scene layout in human OPA
Linda Henriksson
tutkija
Aalto-yliopisto
puh. 050 437 1586
[email protected]
- Julkaistu:
- Päivitetty:
Lue lisää uutisia
Modernin arkkitehtuurin tutkimukseen merkittävä apuraha Koneen säätiöltä – Laura Bergerin hanke rinnastaa rakennuskadon luontokatoon
Aalto-yliopiston postdoc-tutkija Laura Berger ja hänen työryhmänsä ovat saaneet Koneen säätiön 541 400 euron apurahan hankkeen tutkimiseen, joka tarkastelee rakennuskadon vaikutuksia yhteiskunnalle ja ympäristölle.
Professori Matti Rossille tiimeineen arvostettu AIS Impact Award 2024
Tiimi voitti palkinnon teknologisesta ja yrittäjyyteen liittyvästä vaikuttavuudesta
Tutkijoiden tavoitteena on korjata kvanttivirheet huoneenlämmön sijaan superkylmässä lämpötilassa
Kvanttitietokoneiden kehityksessä yksi suurimmista haasteista on se, että kvanttibitit eli kubitit ovat liian epätarkkoja. Tarvitaan siis tehokkaampaa kvanttivirheen korjausta, jotta kvanttitietokoneita voidaan tulevaisuudessa ottaa laajemmin käyttöön. Professori Mikko Möttösellä on kvanttikorjaukseen uudenlainen ratkaisuehdotus, ja sen kehittämiseksi hän on saanut kolmevuotisen apurahan Jane ja Aatos Erkon säätiöltä.