KI-beheerde 3D-rot kan lei tot nuwe neurowetenskaplike insigte

Navorsers van Harvard Universiteit en DeepMind het onlangs 'n virtuele, biologies akkurate 3D-model van 'n rot geskep wat deur kunsmatige neurale netwerke beheer kan word. Die navorsers hoop dat die bestudering van hoe 'n kunsmatige neurale netwerk 'n gesimuleerde rot deur 'n 3D-omgewing beheer, neurowetenskaplikes leidrade kan gee oor hoe werklike brein organismes beheer.

Soos IEEE Spectrum onlangs berig het, 'n nuwe papier wat hierdie week by die aangebied word Internasionale konferensie oor leerverteenwoordigings besonderhede oor die skepping van 'n gesimuleerde, 3D-omgewing. 'n 3D-model van 'n rot bestaan ​​binne hierdie omgewing, en die rekenaargegenereerde laboratoriumrot sal deur KI-modelle beheer word. Die doel van die nuwe studie is om te sien of die neurale netwerke wat die rot beheer, soortgelyke funksies kan hê wat in biologiese breine voorkom.

Die boustene van diep neurale netwerke is neurone, of nodusse wat data met wiskundige funksies transformeer. Hierdie neurone word in lae saamgevoeg op 'n manier wat soos die sinaptiese verbindings van die brein lyk. Alhoewel daar baie noemenswaardige verskille tussen kunsmatige neurale netwerke en werklike breine is, glo 'n aantal neurowetenskaplikes en navorsers dat die parallelle wat tussen die twee bestaan, nuttige insigte kan verskaf oor hoe breine funksioneer, wat moontlik beide KI en neurowetenskap kan verbeter.

Die 3D-rekenaargegenereerde omgewing wat deur die navorsers geskep is, moet as 'n beheerde, eksperimentele platform vir KI-navorsers optree. Navorsers sal die omgewing kan gebruik om te eksperimenteer met hoe verskeie neurale netwerke uitdagings hanteer en hoe hulle biologiese netwerke benader (of nie benader nie). Soos postdoktorale navorser en mede-outeur van die studie verduidelik het Jesse Marshall, aangehaal deur IEEE Spectrum, terwyl die gemiddelde neurowetenskap eksperiment die brein van diere ontleed terwyl hulle een taak (of net 'n paar take) verrig, en die meeste robotte is ontwerp vir net 'n min take, 'n meer robuuste verduideliking van hoe buigsame breine werk en ontstaan, is nodig. Volgens Marshall is die referaat "die begin van ons poging om te verstaan ​​hoe buigsaamheid in die brein ontstaan ​​en geïmplementeer word, en om die insigte wat ons verkry te gebruik om kunsmatige middels met soortgelyke vermoëns te ontwerp."

Die rekenaar-gemanipuleerde rot is biologies akkuraat, met al die gewrigte en spiere wat 'n mens in 'n regte rot sal vind. Die rot het ook gesimuleerde sintuie soos propriosepsie ('n gevoel van 'n mens se liggaamsdele in die ruimte) en visie. Die neurale netwerk wat die rot se bewegings beheer, is opgelei vir vier verskillende take: tik op 'n bal met presiese tydsberekening, navigeer 'n doolhof, spring oor gapings en navigeer 'n heuwelagtige, steil gebied.

Toe die virtuele rot die take voltooi het, het die navorsingspan opnames van die netwerk se aktiwiteit ontleed met behulp van tegnieke gebaseer op dié wat in die veld van neurowetenskap gebruik word. Die navorsers het die netwerk se aktiwiteit ontleed om vas te stel hoe die netwerk die motoriese beheerskema gemanifesteer het wat nodig is om die toegewese take uit te voer.

Die navorsers het gevind dat die neurale netwerk sekere voorstellings vir die verskillende take hergebruik het, deur algemene patrone op verskillende scenario's toe te pas. Die neurale aktiwiteit is dikwels voorgestel as diskrete reekse, wat iets is wat in regte knaagdiere en in voëls gesien is. Een onverwagte bevinding was dat natuurlike aktiwiteit in 'n KI-model oor 'n langer tydperk teenwoordig was as wat verwag is, sou die KI-model bloot die beweging van ledemate en spiere beheer. Dit kan daarop dui dat die KI-netwerk gedrag en beweging op 'n abstrakte vlak manifesteer vir dinge soos spring en hardloop. Dit weerspieël kognitiewe modelle wat vir werklike diere voorgestel is.

Alhoewel kunsmatige neurale netwerke dalk nie die fisiologiese beliggaming en realisme van regte neurale netwerke ontbreek nie, redeneer neurowetenskaplikes soos Blake Richards van McGill Universiteit in Kanada, soos IEEE Spectrum berig het, dat die modelle baie belangrike kenmerke van neurale verwerking met egte neurale netwerke deel, en hulle is nuttig om voorspellings te maak oor hoe neurale aktiwiteit gedrag kan beïnvloed. Daarom was die onlangse referaat se prestasie om 'n metode te ontwerp om met neurale netwerke te eksperimenteer en hulle in 'n meer realistiese omgewing op te lei, wat 'n beter vergelyking moontlik maak met eksperimente wat biologiese data behels.

Stephen Scott, 'n neurowetenskaplike van Queen's University in Kanada, glo ook dat die raamwerk wat in die nuwe referaat ontwerp is, 'n nuttige metode kan wees om die neurale onderbou van gedrag te ondersoek. Die virtuele rot is in staat om 'n verskeidenheid van meervoudige, komplekse gedrag uit te voer wat presies met neurale aktiwiteit gekorreleer kan word. Dit is 'n voordeel bo hoe die meeste eksperimente met diermodelle op net eenvoudige take gedoen word, as gevolg van hoe kompleks die opname van neurale aktiwiteit is.

Scott erken egter ook dat die proses om neurale data te oes van diere wat ingewikkelde take verrig uiters moeilik kan wees. Daarom hoop Scott om te sien dat die koerant se skrywers die neurale aktiwiteit van die virtuele rot, aangesien dit maklike take verrig, vergelyk met die aktiwiteit wat in werklike laboratorium-eksperimente gevind word, om beter te verstaan ​​hoe die virtuele modelle en die werklike wêreld brein patrone verskil.