Tekoälyohjattu 3D-rotta voi johtaa uusiin neurotieteellisiin oivalluksiin

Harvardin yliopiston ja DeepMindin tutkijat 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 tutkimusraportissa, joka esitetään tällä viikolla Kansainvälisessä konferenssissa oppimisen edustamisesta, kerrotaan simuloidan 3D-ympäristön luomisesta. 3D-malli rotasta on olemassa tässä ympäristössä, ja tietokoneella luotu laboratorio-rotta ohjataan tekoälymallilla. Tutkimuksen tavoitteena on selvittää, voisivatko tekoälyverkot, jotka ohjaavat rottaa, olla vastaavia toimintoja, joita löytyy biologisista aivoista.

Syvien tekoälyverkkojen perusrakennusosat ovat neuroneja eli solmuja, jotka muuttavat dataa matemaattisilla funktioilla. Nämä neuroneja yhdistetään kerroksittain tavalla, joka muistuttaa aivojen synaptisia yhteyksiä. Vaikka tekoälyverkoilla ja aivoilla on monia merkittäviä eroja, useat neurotieteilijät ja tutkijat uskovat, että kahden välillä olevat yhtäläisyydet voivat antaa hyödyllisiä oivalluksia aivojen toiminnasta, mikä voi parantaa sekä tekoälyä että neurotieteitä.

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. Jatko-opiskelija ja tutkimuksen yhteiskirjoittaja Jesse Marshall selitti, että kun keskivertaiset neurotieteelliset kokeet analysoivat eläinten aivoja, kun ne suorittavat yhden tehtävän (tai vain muutaman tehtävän), ja useimmat robotit on suunniteltu vain muutamaksi tehtäväksi, tarvitaan vakuuttavampi selitys siitä, miten joustavat aivot toimivat ja kehittyvät. Marshallin mukaan tutkimus on “aloittamisen alku ymmärtämään, miten joustavuus syntyy ja toteutuu aivoissa, ja käyttämään saatuja oivalluksia suunnitellaan tekoälyagentteja, joilla on samanlaiset kyvyt”.

Tietokoneella suunniteltu rotta on biologisesti tarkin, ja siinä on kaikki nivelten ja lihasten, joita löytyy oikeasta rotasta. Rottalla on myös simuloitu aistit, kuten proprioception (aistimus omista kehon osista tilassa) ja näkö. Neuraaliverkko, joka ohjaa rottien liikkeitä, on koulutettu neljällä eri tehtävällä: tarkkaan ajoitettuun pallon koskettamiseen, labyrintin navigointiin, hyppimiseen ja mäkisen, jyrkkän alueen navigointiin.

Kun virtuaalinen rotta suoritti tehtävät, tutkimusryhmä analysoi verkon toimintaa käyttäen menetelmiä, jotka perustuvat neurotieteen alalla käytettyihin menetelmiin. Tutkijat analysoivat verkon toimintaa selvittääkseen, miten verkko oli toteuttanut liikkeenohjausjärjestelmän, joka oli tarpeen tehtävien suorittamiseen.

Tutkijat totesivat, että neuraaliverkko uusi joitakin edustuksia eri tehtävissä, soveltamalla yleisiä malleja eri tilanteisiin. Neuraalitoiminta edustettiin usein diskreetteinä jonoina, mikä on havaittu oikeissa jyrsijöissä ja linnuissa. Yksi odottamaton löytö oli, että luonnollinen toiminta tekoälymallissa näytti olevan läsnä pidempään ajanjaksona kuin mitä odotettiin, jos tekoälymalli ohjaisi vain raajojen ja lihasten liikkeitä. Tämä saattaa osoittaa, että tekoälyverkko ilmenee käyttäytymisenä ja liikkeenä abstraktilla tasolla asioille, kuten hyppimiselle ja juoksemiselle. Tämä heijastaa kognitiivisia malleja, jotka on ehdotettu eläville eläimille.

Vaikka tekoälyverkot saattavat puuttua fysiologisesta kehosta ja realismin aivoista, neurotieteilijät, kuten Blake Richards McGill-yliopistosta Kanadassa, väittävät, kuten IEEE Spectrum on raportoinut, että mallit jakavat monia tärkeitä piirteitä neuroprosessoinnista aidoissa neuroverkoissa, ja ne ovat hyödyllisiä ennustamassa, miten neuraalitoiminta saattaa vaikuttaa käyttäytymiseen. Siksi viimeisen tutkimuksen saavutus oli suunnitella menetelmä, jolla voidaan kokeilla tekoälyverkkoja ja kouluttaa niitä realistisemmassa ympäristössä, mikä mahdollistaa paremman vertailun biologisiin kokeisiin.

Stephen Scott, neurotieteilijä Queen’s-yliopistosta Kanadassa, uskoookin, että uuden tutkimuksen kehittämä kehys voi olla hyödyllinen menetelmä tutkia käyttäytymisen neurologista perustaa. Virtuaalinen rotta pystyy suorittamaan useita monivaiheisia, monimutkaisia käyttäytymisiä, jotka voidaan tarkasti korrelloidan neuraalitoiminnan kanssa. Tämä on etu verrattuna siihen, miten useimmat eläinmallikokeet tehdään vain yksinkertaisilla tehtävillä, johtuen siitä, miten monimutkaisia neuraalitoiminnan tallentaminen on.

Kuitenkin Scott myös tunnustaa, että neuraalidataa kerääminen eläimistä, jotka suorittavat monimutkaisia tehtäviä, voi olla erittäin vaikeaa. Siksi Scott toivoo, että tutkimuksen kirjoittajat vertailevat virtuaalisen rottien neuraalitoimintaa, kun ne suorittavat helppoja tehtäviä, neuraalitoimintaan, jota havaitaan oikeissa laboratoriotutkimuksissa, jotta voidaan paremmin ymmärtää, miten virtuaaliset mallit ja oikeat aivomallit eroavat.