AI制御の3Dラットが新しい神経科学の洞察をもたらす可能性がある

ハーバード大学とDeepMindの研究者は最近、人工神経ネットワークによって制御されることができる、生物学的に正確な3Dラットの仮想モデルを作成しました。研究者たちは、人工神経ネットワークがシミュレートされたラットを3D環境で制御する方法を研究することで、実際の脳が生物を制御する方法についての手がかりを得ることができるのではないかと考えています。

IEEE Spectrumが最近報告したように、新しい論文は、シミュレートされた3D環境の作成について詳細に説明しています。この環境の中には3Dのラットのモデルがあり、コンピューター生成されたラボラットはAIモデルによって制御されます。この研究の目的は、ラットを制御する神経ネットワークが生物学的な脳と類似した機能を持っている可能性があるかどうかを調査することです。

ディープラーニングの基本的な構成要素は、ニューロン、またはデータを数学的な関数で変換するノードです。これらのニューロンは、シナプスの接続に似た方法で層状に接続されています。人工神経ネットワークと実際の脳には多くの違いがありますが、神経科学者や研究者の中には、両者の間にある類似性が、脳の機能についての有用な洞察を提供する可能性があると考えています。

研究者によって作成された3Dコンピューターゲーム環境は、AI研究者にとって制御された実験プラットフォームとして機能します。研究者は、この環境を使用して、さまざまな神経ネットワークが課題に対処する方法や、生物学的なネットワークにどのようにアプローチするか（またはアプローチしないのか）を実験することができます。ポスドク研究者であり、この研究の共同著者であるJesse Marshallは、IEEE Spectrumによって引用されたように、平均的な神経科学の実験では、動物の脳を分析する際に、1つのタスク（または数つのタスク）しか行わないことが多いと述べています。また、ほとんどのロボットは数つのタスクしか設計されていないため、柔軟な脳がどのように機能し、どのように発達するかについて、より包括的な説明が必要です。Marshallによれば、この論文は「脳における柔軟性がどのように生じ、実装されるかを理解し、得られた洞察を使用して、同等の能力を持つ人工エージェントを設計する」ための彼らの努力の始まりです。

コンピューターで設計されたラットは、生物学的に正確で、実際のラットと同じ関節や筋肉を持っています。ラットには、位置感覚（空間における体の部位の感覚）や視覚などのシミュレートされた感覚もあります。ラットの動きを制御する神経ネットワークは、4つの異なるタスクでトレーニングされています。ボールを正確なタイミングでタップする、迷路をナビゲートする、ギャップをジャンプする、丘陵地帯をナビゲートする、などのタスクです。

仮想ラットがタスクを完了すると、研究チームは、神経科学の分野で使用されている技術に基づく技術を使用して、ネットワークの活動の記録を分析しました。研究者たちは、ネットワークがタスクを実行するために必要なモーター制御スキームをどのように実現したかを調べるために、ネットワークの活動を分析しました。

研究者たちは、神経ネットワークが異なるタスクに対して特定の表現を再利用していることを発見しました。共通のパターンを異なるシナプスに適用していることがわかりました。神経活動は、離散的なシーケンスとして表現されることが多く、これは実際のラットや鳥にも見られる現象です。予想とは異なり、AIモデルにおける自然な活動は、予想よりも長い期間にわたって存在することがわかりました。これは、AIネットワークが抽象的なレベルで、ジャンプや走行などの動作を表現している可能性があることを示唆しています。これは、実際の動物に対して提案された認知モデルと一致しています。

人工神経ネットワークは、実際の神経ネットワークの生理学的な実体や現実性を欠くかもしれませんが、カナダのマギル大学のBlake Richardsのような神経科学者は、IEEE Spectrumが報告したように、これらのモデルは実際の神経ネットワークと共通の重要な特徴を持っており、神経活動が行動に与える影響について予測するのに役立つと考えています。したがって、この最近の論文の成果は、神経ネットワークを実験し、より現実的な環境でトレーニングする方法を設計することで、生物学的なデータを使用した実験との比較が改善されることです。

カナダのクイーンズ大学の神経科学者であるStephen Scottも、このように考えています。仮想ラットは、神経活動と正確に相関することができる、複数の段階的な複雑な動作を実行することができます。これは、ほとんどの動物モデル実験が単純なタスクのみに焦点を当てていることとは対照的です。神経活動の記録は複雑であるためです。

しかし、Scottは、動物が複雑なタスクを実行する際の神経データを収集するプロセスが非常に難しいことも認めています。したがって、Scottは、この論文の著者が、仮想ラットが簡単なタスクを実行する際の神経活動を、実際の実験室実験での活動と比較することを期待しています。仮想モデルと実際の脳パターンの違いをよりよく理解するためにです。