Ratón 3D controlado por IA podría conducir a nuevos conocimientos en neurociencia

Investigadores de la Universidad de Harvard y DeepMind han creado recientemente un modelo virtual y biológicamente preciso de un ratón en 3D que puede ser controlado por redes neuronales artificiales. Los investigadores esperan que estudiar cómo una red neuronal artificial controla un ratón simulado a través de un entorno en 3D pueda dar a los neurocientíficos pistas sobre cómo los cerebros reales controlan a los organismos.

Como informó recientemente IEEE Spectrum, un nuevo artículo que se presentará esta semana en la Conferencia Internacional sobre Representaciones de Aprendizaje detalla la creación de un entorno simulado en 3D. Un modelo en 3D de un ratón existe dentro de este entorno, y el ratón de laboratorio generado por computadora será controlado por modelos de IA. El objetivo del nuevo estudio es ver si las redes neuronales que controlan al ratón podrían tener funciones análogas encontradas en cerebros biológicos.

Los bloques de construcción de las redes neuronales profundas son las neuronas, o nodos que transforman los datos con funciones matemáticas. Estas neuronas están unidas en capas de una manera que se asemeja a las conexiones sinápticas del cerebro. Aunque existen muchas diferencias notables entre las redes neuronales artificiales y los cerebros reales, muchos neurocientíficos y investigadores creen que las similitudes que existen entre ambos podrían proporcionar conocimientos útiles sobre cómo funcionan los cerebros, lo que podría mejorar tanto la IA como la neurociencia.

El entorno en 3D generado por computadora creado por los investigadores actuará como una plataforma experimental controlada para los investigadores de IA. Los investigadores podrán utilizar el entorno para experimentar con cómo diversas redes neuronales lidian con desafíos y cómo se acercan (o no se acercan) a las redes biológicas. Como explicó el investigador postdoctoral y coautor del estudio Jesse Marshall, citado por IEEE Spectrum, mientras que el experimento de neurociencia promedio analiza los cerebros de animales mientras realizan una tarea (o solo unas pocas tareas), y la mayoría de los robots están diseñados para realizar solo unas pocas tareas, se necesita una explicación más robusta de cómo operan y surgen los cerebros flexibles. Según Marshall, el artículo “es el comienzo de nuestro esfuerzo por entender cómo surge y se implementa la flexibilidad en el cerebro, y utilizar los conocimientos que ganamos para diseñar agentes artificiales con capacidades similares”.

El ratón ingenierizado por computadora es biológicamente preciso, con todas las articulaciones y músculos que se encontrarían en un ratón real. El ratón también tiene sentidos simulados como la propriocepción (un sentido de las partes del cuerpo en el espacio) y la visión. La red neuronal que controla los movimientos del ratón se entrenó en cuatro tareas diferentes: golpear una pelota con un tiempo preciso, navegar un laberinto, saltar sobre brechas y navegar una región escarpada y empinada.

Cuando el ratón virtual completó las tareas, el equipo de investigación analizó grabaciones de la actividad de la red utilizando técnicas basadas en las utilizadas en el campo de la neurociencia. Los investigadores analizaron la actividad de la red para determinar cómo la red había manifestado el esquema de control motor necesario para realizar las tareas asignadas.

Los investigadores encontraron que la red neuronal reutilizó ciertas representaciones para las diferentes tareas, aplicando patrones comunes a diferentes escenarios. La actividad neuronal se representó a menudo como secuencias discretas, lo que es algo que se ha observado en roedores reales y en aves. Un hallazgo inesperado fue que la actividad natural en un modelo de IA parecía estar presente durante un período de tiempo más largo de lo que se esperaría si el modelo de IA simplemente estuviera controlando el movimiento de las extremidades y los músculos. Esto podría sugerir que la red de IA manifiesta comportamientos y movimientos a un nivel abstracto para cosas como saltar y correr. Esto se asemeja a los modelos cognitivos que se han propuesto para animales reales.

Aunque las redes neuronales artificiales pueden carecer de la encarnación fisiológica y la realidad de las redes neuronales reales, neurocientíficos como Blake Richards de la Universidad McGill en Canadá argumentan, como informó IEEE Spectrum, que los modelos comparten muchas características importantes del procesamiento neuronal con las redes neuronales genuinas, y son útiles para hacer predicciones sobre cómo la actividad neuronal podría influir en el comportamiento. Por lo tanto, el logro del artículo reciente fue diseñar un método de experimentación con redes neuronales y entrenarlas en un entorno más realista, lo que permite una mejor comparación con experimentos que involucran datos biológicos.

Stephen Scott, un neurocientífico de la Universidad de Queen en Canadá, también cree que el marco diseñado en el nuevo artículo podría ser un método útil para examinar los fundamentos neuronales del comportamiento. El ratón virtual es capaz de realizar una variedad de comportamientos complejos y multietapas que pueden correlacionarse precisamente con la actividad neuronal. Esto es una ventaja sobre cómo se realizan la mayoría de los experimentos con modelos animales, que se realizan en tareas simples debido a la complejidad de la grabación de la actividad neuronal.

Sin embargo, Scott también reconoce que el proceso de recopilar datos neuronales de animales que realizan tareas complicadas puede ser extremadamente difícil. Por lo tanto, Scott espera que los autores del artículo comparen la actividad neuronal del ratón virtual, mientras realiza tareas fáciles, con la actividad encontrada en experimentos de laboratorio del mundo real, para entender mejor cómo difieren los modelos virtuales y los patrones de cerebro del mundo real.