AI řízená 3D krysa by mohla vést k novým poznatkům v neurovědách

Výzkumníci z Harvardské univerzity a DeepMind nedávno vytvořili virtuální, biologicky přesný 3D model krysy, který může být ovládán umělými neuronovými sítěmi. Výzkumníci doufají, že studium toho, jak umělá neuronová síť ovládá simulovanou krysu v 3D prostředí, by mohlo poskytnout neurovědům nápady o tom, jak skutečné mozky ovládají organismy.

Jak nedávno oznámil IEEE Spectrum, nová studie, která bude představena tento týden na Mezinárodní konferenci o učících se reprezentacích, popisuje vytvoření simulovaného 3D prostředí. V tomto prostředí existuje 3D model krysy a počítačově generovaná laboratorní krysa bude ovládána AI modely. Cílem nové studie je zjistit, zda neuronové sítě, které ovládají krysu, mohou mít obdobné funkce jako biologické mozky.

Základní stavební kameny hlubokých neuronových sítí jsou neurony, nebo uzly, které transformují data pomocí matematických funkcí. Tyto neurony jsou spojeny do vrstev způsobem, který připomíná synaptické spoje v mozku. Ačkoli existuje mnoho významných rozdílů mezi umělými neuronovými sítěmi a skutečnými mozky, řada neurovědců a výzkumníků se domnívá, že paralely, které existují mezi nimi, by mohly poskytnout užitečné poznatky o tom, jak mozky fungují, a potenciálně zlepšit jak umělou inteligenci, tak neurovědu.

3D počítačově generované prostředí vytvořené výzkumníky má sloužit jako řízená, experimentální platforma pro výzkumníky AI. Výzkumníci budou moci použít toto prostředí k experimentování s tím, jak různé neuronové sítě zvládají výzvy a jak se přiblíží (nebo nepřiblíží) biologickým sítím. Jak vysvětlil postdoktorandský výzkumník a spoluautor studie Jesse Marshall, citovaný IEEE Spectrum, zatímco průměrný neurovědný experiment analyzuje mozky zvířat, když vykonávají jednu úlohu (nebo jen několik úloh), a většina robotů je navržena pro jen několik úloh, je zapotřebí robustnější vysvětlení flexibility mozků a jejich vzniku. Podle Marshalla je studie “začátkem našeho úsilí pochopit, jak flexibility vzniká a je implementována v mozku, a použít poznatky, které získáme, k navrhování umělých agentů se podobnými schopnostmi”.

Počítačově navržená krysa je biologicky přesná, se všemi klouby a svaly, které lze nalézt u skutečné krysy. Krysa má také simulované smysly, jako je propriocepce (smysl pro umístění těla ve vesmíru) a zrak. Neuronová síť, která ovládá pohyby krysy, byla trénována na čtyřech různých úkolech: přesném taktu na míči, navigaci v bludišti, skoku přes mezery a navigaci v kopcovitém, strmém regionu.

Když virtuální krysa dokončila úkoly, výzkumný tým analyzoval záznamy aktivity sítě pomocí technik založených na техниках, které se používají v oboru neurovědy. Výzkumníci analyzovali aktivitu sítě, aby zjistili, jak síť manifestovala motorický kontrolní schéma nezbytné pro provedení přiřazených úloh.

Výzkumníci zjistili, že neuronová síť opakovala určité reprezentace pro různé úkoly, aplikovala společné vzory na různé scénáře. Aktivita sítě byla často reprezentována jako diskrétní sekvence, což je něco, co bylo pozorováno u skutečných hlodavců a ptáků. Jedno neočekávané zjištění bylo, že přirozená aktivita v AI modelu se zdála být přítomna po delší dobu, než se očekávalo, kdyby AI model pouze ovládal pohyb končetin a svalů. To by mohlo naznačovat, že AI síť manifestuje chování a pohyb na abstraktní úrovni pro věci, jako je skok a běh. To odráží kognitivní modely, které byly navrženy pro skutečné zvířata.

Ačkoli umělá neuronová síť může postrádat fyziologickou inkarnaci a realističnost skutečných neuronových sítí, neurovědci, jako je Blake Richards z McGillovy univerzity v Kanadě, argumentují, jak oznámil IEEE Spectrum, že modely sdílejí mnoho důležitých funkcí neuronového zpracování s skutečnými neuronovými sítěmi a jsou užitečné pro předpovídání, jak neuronová aktivita může ovlivnit chování. Proto je nedávné úspěchy studie spočívají v navrhování metody experimentování s neuronovými sítěmi a jejich trénování v více realistickém prostředí, což umožňuje lepší srovnání s experimenty zahrnujícími biologická data.

Stephen Scott, neurovědec z Queen’s University v Kanadě, také věří, že rámec navržený v nové studii by mohl být užitečnou metodou pro zkoumání neuronových základů chování. Virtuální krysa je schopna vykonávat řadu vícestupňových, složitých chování, která lze přesně korelovat s neuronovou aktivitou. To je výhoda oproti tomu, jak jsou většina experimentů s animálními modely prováděna pouze na jednoduchých úkolech, vzhledem k tomu, jak komplexní je záznam neuronové aktivity.

Jednak Scott také uznává, že proces získávání neuronových dat z zvířat vykonávajících složitých úloh může být extrémně obtížný. Proto Scott doufá, že autoři studie budou srovnávat neuronovou aktivitu virtuální krysy, když vykonává jednoduché úkoly, s aktivitou nalezenou v reálných laboratorních experimentech, aby lépe pochopili, jak se virtuální modely a reálné mozkové vzorce liší.