电子计算机程序流程暴露视觉效果表皮层内的神经细胞喜欢看哪些网络技术沙龙活动分析，
为什么大家的眼睛比别人更容易被形状、色调和车轮所吸引呢。
从半个多世纪的新世纪至今，科研人员已经了解人脑视觉效果系统软件中神经细胞对某些图像的反映比其他神经细胞要多-这一特点对鉴别了解和解释大家周边许多视觉效果事件的线索水平很重要。
例如，观察人或其他灵长目类小动物-具有相对高度融合和视觉效果系统软件的小动物-面部、住所、物或文字，会发送更多被称为下侧头表皮层的人脑区域中视觉效果神经细胞的特殊人群。但是这个神经细胞的反应还不清楚。
目前，由哈佛医药学院Blavatnik研究室科研人员领导的中小型弥猿科研，通过人工智能技术系统软件带来了有使用价值的事件线索该系统软件能够可靠地揭示人脑视觉效果表皮层中的哪个神经细胞更想看到。
此工作组的工作报告发布在Cell上。
迄今为止，几乎所有试着精确测定神经细胞偏好的试验都是应用真实的图像。但是，真正的图像有现有的先入为主的观念。他们仅限于在真实世界中可用的刺激性及其科研人员选择和检测的图像。根据AI的程序，可以通过构建根据每个神经细胞的偏好定制的生成图像来摆脱这个障碍。
HMS神经系分子生物学系硕士研究生Will Will，应用响应式人工智能技术，设计了一个电子计算机程序流程，用于构建反映在从6只弥猿得到的神经系统中的自调整图像。因此，科研人员对小动物人脑的每个视觉效应神经细胞在电子计算机显示器上观看图像时的充放电率进行了精确测量。
在许多时间的整个过程中，小动物显示了100毫秒的图像，每个图像都是由肖的程序流程形成的。图像以灰度的任意纹饰图案逐渐设计。基于检测到的神经细胞的传输水平，该过程流程逐渐引入了状态和色调，并随着时间的变化而变形为完全反映神经细胞偏好的最后一个图像。肖说，因为每一幅这样的图像都是生成的，所以防止科研人员只基于理所当然的图像传统思维方式来导入。
“每次考完试，”他说。“这个过程对这个体细胞非常刺激。”。
HMS武汉神经系统分子生物学专家教授的高端科研人员Margaret Livingstone说，该实验的结论在不同的动作中是相同的。特殊的神经细胞倾向于按照程序改变图像，该图像不完整但非常相似。
其中一些图片和她和她的朋友所期待的一样。例如，她们怀疑脸上反映的神经细胞很可能会变成粉红色的图像，其中有两个眼睛大小相似的黑点。其他人更惊讶。例如，其中一只小动物的神经细胞从头到尾都形成了看起来像猴子人体的图像，但脖子周围有一片鲜红的颜色不均匀。科研人员最后认为，这只小猴子安装在另一只红领子的小猴子周围。
“我们认为，这种神经细胞的优先选择不仅反映在猴体上，也反映在特殊的猴身上。”。
萧卡弗说，最后的影像并不是看起来都是可以鉴别的。一只猴子的神经细胞变成了一个黑格子。另一种是非定型的黑色形状，下面是橙色的。
利文斯通她的实验室和其他人的科学研究表明，这种神经细胞的反应不是天生的，相反，他们通过随着时间的变化同样暴露于视觉效果刺激性而学习训练。通过这样的鉴别和优先选择，在产生了鉴别几个图像的等级的情况下，该等级是未知的。她和她的朋友方案在将来的科学研究中一味地调查这个难题。
掌握视觉效果系统软件如何响应图像对于更自然地了解推进认知能力难题的基本体制重要性很高，从学习训练的阻碍到自闭症家系图的阻碍，一般都是少年儿童解决面部注意其特征在于鉴别面部水平的损伤。
“人脑视觉效果解决机械设备常见故障会影响孩子的结合，沟通的调整基本上说明事件线索的水平。”她说。例如，通过对这些优先响应于面部的体细胞进行科学研究，可以发现社会发展趋势如何发生，有时很可能出现难题的事件线索。