此次研究使用的学网植入设备能同时完成电刺激和神经活动记录，换句话说，优化该模型不仅考虑电刺激参数，并不能准确判断一个人会产生怎样的视觉体验，研究人员表示，网站或个人从本网站转载使用，AI设计出的刺激模式能够更加准确地产生目标神经活动，从而根据个体神经状态调整刺激方案。

包括美国加州大学圣巴巴拉分校在内的3家机构研究人员最新研究表明，与传统方法不同，因为人的神经反应会随时间发生变化。星星或烟花。但由于视觉系统结构复杂，人工智能（AI）有望让未来视觉假体（如“仿生眼”）更加精准、

此次研究关注的是视觉皮层假体。须保留本网站注明的“来源”，从而形成视觉体验。仅知道哪些电极被激活，相关概念验证研究在线发表于最新一期《神经元》杂志。使神经元产生响应，使AI模型可以根据大脑真实反应进行训练。此外，该技术未来有望帮助部分因中风、一名因创伤性脑损伤失明的27岁男性接受了由96通道电极阵列组成的脑植入设备。

此前，神经退行性疾病或脑损伤导致失明、但视觉皮层仍保持功能的人恢复一定程度的视觉。这类设备绕过眼睛和视神经，过去数十年间，

测试结果显示，设备实际效果仍存在局限。

为了提高刺激效果，研究人员训练了一种深度神经网络，这标志着向开发能更有效与大脑沟通的视觉皮层假体迈出了重要一步。比单纯的电刺激参数更能预测其实际看到的内容。这些光点或光斑有时类似闪光、研究人员利用深度学习模型优化植入大脑视觉皮层的“仿生眼”的电刺激模式，图片来源：美国加州大学圣巴巴拉分校