都是《盗梦空间》惹的祸

Jack Gallant  ，心理学教授。

研究领域： 认知 和 行为 神经科学

我的实验室研究的重点是，理解（弄清）视觉系统的结构和功能。视觉是人类最重要的感觉（感官），
疾病和创伤给视觉造成的损害是个影响千百万人的严重问题。人类视觉系统是一个相当复杂的，由
几十打独立模块（这些模块就是视觉区， visual  areas)组成的，有高度内部联系的，层级的和平行的网络。
视觉系统同时，也和其他与语言和记忆相关的，感觉系统和子系统，紧密融合在一起。因为这种紧密联系，
以及因为大脑也是建立在模块的原则基础上的，视觉研究对于研究但其他系统也有着重要启发意义。

佳朗特实验室的努力方向，就是在 量子和 计算机级别 去研究大脑视觉的结构和功能， 以及建立一些模块，
使得可以准确预测大脑在看东西的时候会如何反应。 可以预见大脑活动的模块，是计算机脑科学的黄金标准，
也对脑科学和医学的长远发展有着至关重要的作用。

我实验室里的研究项目，主要反应了三种紧密联系的独立方法：
包含经典电生理学和功能性脑成像技术（fMRI）的神经科学实验；非线性系统辨识和非线性回归的数据分析方法；
和理论建模。
我们大部分的研究，是把现代统计工具，安装在，表现视觉刺激如何引发大脑活动的，量化的计算机模型。
从经典统计学、贝叶斯算法、和计算机学习中汲取的统计工具，被安装在合适的基于这些数据的计算机模型上。
最后出来的模型，可以展示视觉系统的各成分（如一个神经元，一个体素，或一片视觉区）如何解码来自视觉世界的
信息。模型的评价，基于是否有统计学意义，以及是否有能力预测大脑在新条件刺激下的反应。
这第二条标准，准确的预测能力，（适用性，可复现性？）是科学的黄金准则， 也是我们的方法中非常独有的。

准确预测大脑活动的计算机解码模型，有很多实际用途。首先，他们提供一个关键性的基础，给那些致力于视觉功能
恢复的工作。说白了，你得先知道一个系统是如何运作的，才能说要去修复它。其次，这些模型提供了一些新工具，
给神经学评价和分析。还有，这些模型的反向推理，可以解码大脑的活动，可以提供一个直接的，有原则的方式来
进行【读心术】、以及建立大脑和机器之间的接口（BMI）、还有神经修复。

最近的发表：
去年春天我们在《自然》杂志上发表了一篇文章，展示了我们的计算机模型，在复现大脑活动时的空前准确性。
这些尝试的成功，表明这些模型很快，就可以足够好地用于实际应用中，作为用在诊所和脑机接口（BMI）的工具。
这项研究，在世界各大报纸杂志上都有报道。比如。。。here, here, here, and here.


伯克利的其他研究生课程：
我实验室里的研究项目，综合了不同领域的核心知识：
脑科学、统计学、计算机科学、物理学和心理学。因此，我们吸收来自各个系别的研究生。
我在伯克利参与了好几个不同的研究生项目：心理学，生物工程学，生物物理学，和视科学。

资源分享：
我的实验室经营着神经预知挑战项目（Neural Prediction Challenge,），非正式的挑战意味着定量神经模型的
更深入发展。这个网址提供着可以安装在模型上的数据，自动评价模型预测数据组的不同有效性的程序。
我们也在商谈在国家科学基金（NSF）的协助下公布我们的数据，Collaborative Research in Computational Neuroscience.
这个项目的意向，是为了让主要的神经科学数据，可以被理论家和模型设计者们获得，从而加速科学发现，
以及减少不必要的重复的神经科学实验。

公共资源软件工具：
我的实验室同时也提供和维护STRFPak 系统身份软件工具盒。这个软件包可以用来评估任何感觉系统的
量化解码模型。使用的数据是在 使用 神经生理学，EEG（脑电图） or fMRI 中收集的。

发表的一些文章：

Kay, K.N., Naselaris, T., Prenger, R.J., & Gallant, J.L. (2008). Identifying natural images from human brain activity.

Nature, 452, 352-355.     《  从人类大脑活动中辨认出自然图像》

David, S.V., Hayden, B.Y., Mazer, J.A., & Gallant, J.L. (2008). Attention to stimulus features shifts spectral tuning of

V4 neurons during natural vision.

Neuron, 59, 509-521.

Hansen, K.A., Kay, K.N. & Gallant, J.L. (2007). Topographic organization in and near human visual area V4.

Journal of Neuroscience, 27, 11896-11911.

David, S.V., Hayden, B.Y. & Gallant, J.L. (2006). Spectral receptive field properties explain shape selectivity in area V4.

Journal of Neurophysiology, 96, 3492-3505.

Wu, M.C.K., David, S. V., & Gallant, J.L. (2006). Complete functional characterization of sensory neurons by

system identification.

Annual Review of Neuroscience. 29, 477-505.