Tekoälyohjattu 3D-rotta voi johtaa uusiin neurotieteellisiin oivalluksiin

Tutkijat Harvardin yliopistosta ja DeepMindista ovat äskettäin luoneet virtuaalisen, biologisesti tarkan 3D-mallin rotasta, jota voidaan ohjata tekoälyverkoilla. Tutkijat toivovat, että tutkimalla, miten tekoälyverkko ohjaa simuloitua rottaa 3D-ympäristössä, neurotieteilijät voivat saada vihjeitä siitä, miten aivot ohjaavat eläimiä.

Kuten IEEE Spectrum on äskettäin raportoinut, uudessa tutkimuksessa, joka esitetään tällä viikolla Koneoppimisen edustajien kansainvälisessä konferenssissa, kerrotaan simuloituun 3D-ympäristöön. 3D-malli rotasta on olemassa tässä ympäristössä, ja tietokoneella luotu laboratorio-rotta ohjataan tekoälymallilla. Uuden tutkimuksen tavoitteena on selvittää, voivatko tekoälyverkot, jotka ohjaavat rottaa, olla samankaltaisia kuin biologiset aivot.

Syvien tekoälyverkkojen perusrakennusosia ovat neuroneja eli solmuja, jotka muuttavat dataa matemaattisilla funktioilla. Nämä neuroneja yhdistetään kerroksittain tavalla, joka muistuttaa aivojen synapsirakenteita. Vaikka tekoälyverkoilla ja aivoilla on paljon eroja, monet neurotieteilijät ja tutkijat uskovat, että tekoälyverkkojen ja aivojen välillä olevat yhtäläisyydet voivat antaa arvokkaita oivalluksia aivojen toiminnasta, mikä voi parantaa sekä tekoälyä että neurotiedettä.

Tutkijoiden luoma 3D-tietokoneella luotu ympäristö toimii ohjatun, kokeellisen alustana tekoälytutkijoille. Tutkijat voivat käyttää ympäristöä kokeilemaan, miten erilaiset tekoälyverkot selviävät haasteista ja miten ne lähestyvät (tai eivät lähesty) biologisia verkkoja. Postdoc-tutkija ja tutkimuksen yhteiskirjoittaja Jesse Marshall selitti IEEE Spectrumille, että keskivertaisessa neurotieteellisessä kokeessa analyysoidaan eläinten aivoja, kun ne suorittavat yhden tehtävän (tai vain muutaman tehtävän), ja useimmat robotit on suunniteltu vain muutamaksi tehtäväksi, mutta tarvitaan laajempi selitys siitä, miten joustavat aivot toimivat ja kehittyvät. Marshallin mukaan tutkimus on “aloittamme pyrkimyksen ymmärtää, miten joustavuus syntyy ja toteutuu aivoissa, ja käytämme saamiamme oivalluksia suunnittelemaan tekoälyjärjestelmiä, joilla on samanlaiset kyvyt”.

Tietokoneella suunniteltu rotta on biologisesti tarkin, ja siinä on kaikki nivelten ja lihasten, joita oikeassa rotassa on. Rottaalla on myös simuloitu aistit, kuten proprioception (tunne omista kehon osista tilassa) ja näkö. Tekoälyverkko, joka ohjaa rottaan liikkeitä, on koulutettu neljällä eri tehtävällä: naputtamalla pallolla tarkalla aikataululla, navigoimalla labyrintissa, hyppelemällä yli aukkoja ja navigoimalla mäkisellä, jyrkkällä alueella.

Kun virtuaalinen rotta suoritti tehtävät, tutkimusryhmä analysoi verkoston toimintaa käyttäen menetelmiä, jotka perustuvat neurotieteen alaan. Tutkijat analysoivat verkoston toimintaa, jotta he voivat selvittää, miten verkko oli kehittänyt liiketoimintakaavan, joka oli välttämätön tehtävien suorittamiseksi.

Tutkijat totesivat, että tekoälyverkko uudelleenkäytti tiettyjä edustuksia eri tehtävissä, soveltamalla yleisiä malleja eri tilanteisiin. Verkoston toiminta esitettiin usein diskreetteinä jonoina, mikä on havaittu oikeissa jyrsijöissä ja linnuissa. Yksi odottamaton löytö oli, että tekoälymallin luonnollinen toiminta näytti olevan läsnä pidempään aikaan kuin mitä odottaisiin, jos tekoälymalli ohjaisi vain raajojen ja lihasten liikkeitä. Tämä saattaa osoittaa, että tekoälyverkko ilmenee käyttäytymisenä ja liikkeenä abstraktilla tasolla asioissa, kuten hyppäämisessä ja juoksemisessa. Tämä vastaa kognitiivisia malleja, jotka on ehdotettu oikeille eläimille.

Vaikka tekoälyverkot saattavat puuttua fysiologisesta kehosta ja realismin aivoista, neurotieteilijät, kuten Blake Richards McGill-yliopistosta Kanadassa, väittävät IEEE Spectrumin mukaan, että mallit jakavat monia tärkeitä neuroprosessoinnin piirteitä aidoissa neuroverkoissa, ja ne ovat hyödyllisiä ennustamassa, miten neurotoiminta saattaa vaikuttaa käyttäytymiseen. Siksi uuden tutkimuksen saavutus oli suunnitella menetelmä tekoälyverkkojen kokeilemiseen ja kouluttamiseen realistisemmassa ympäristössä, mikä mahdollistaa paremman vertailun biologisiin tutkimuksiin.

Stephen Scott, neurotieteilijä Queen’s-yliopistosta Kanadassa, uskoookin, että uuden tutkimuksen kehittämä kehys voi olla hyödyllinen menetelmä tutkia käyttäytymisen neurologisia perusteita. Virtuaalinen rotta pystyy suorittamaan monivaiheisia, monimutkaisia käyttäytymisen muotoja, jotka voidaan tarkasti korreloida neurotoiminnan kanssa. Tämä on etu verrattuna siihen, miten useimmat eläinmallikokeet tehdään yksinkertaisilla tehtävillä, johtuen siitä, miten monimutkaisia neurotoiminnan tallentaminen on.

Kuitenkin Scott myös tunnustaa, että prosessi neurodatan keräämisestä eläimiltä, jotka suorittavat monimutkaisia tehtäviä, voi olla erittäin vaikeaa. Siksi Scott toivoo, että tutkimuksen kirjoittajat vertailevat virtuaalisen rotan neurotoimintaa, kun se suorittaa helppoja tehtäviä, neurotoimintaan, jota havaitaan oikeissa laboratoriotutkimuksissa, jotta voidaan paremmin ymmärtää, miten virtuaaliset mallit ja oikeat aivomallit eroavat.