Een van de belangrijkste uitdagingen in de neurowetenschap is te begrijpen hoe de hersenen wat we zien omzetten in patronen van neurale activiteit, en hoe die patronen op hun beurt kunnen worden ‘uitgelezen’ om de visuele ervaring te onthullen. In dit proefschrift hebben we gebruikgemaakt van een vorm van kunstmatige intelligentie die generatieve adversarial networks (GAN's) wordt genoemd. Deze netwerken zijn getraind om de visuele wereld zo overtuigend na te bootsen dat ze volledig nieuwe, realistisch ogende beelden kunnen genereren op basis van interne codes die latenten worden genoemd. Door een latent in een GAN in te voeren, wordt het beeld geproduceerd dat het vertegenwoordigt – net zoals een neurale code weergeeft wat een persoon op een bepaald moment ziet. Door de hersenactiviteit bij mensen en makaken te koppelen aan deze latente codes, konden we met opmerkelijke nauwkeurigheid beelden reconstrueren van wat ze zagen, ook al waren GAN's nooit getraind op hersengegevens. Dit toont aan dat GAN's en de hersenen op verrassend vergelijkbare manieren visuele informatie coderen, wat suggereert dat generatieve principes fundamenteel kunnen zijn voor de manier waarop de hersenen de wereld begrijpen.
Thirza Dado behaalde haar bachelordiploma in Bèta-Gamma (Neurobiologie) aan de Universiteit van Amsterdam, gevolgd door een dubbele master in Kunstmatige Intelligentie en Cognitieve Neurowetenschappen (beide cum laude) aan de Radboud Universiteit. Momenteel is ze postdoctoraal onderzoeker bij het Predictive Brain Lab, waar ze onderzoek doet naar op overtuigingen gebaseerd onderzoek in gamified omgevingen en (on)voorspelbaarheid in de hersenen.