인공 지능 제어 3D 랫, 신경과학에 새로운 통찰력을 제공할 수 있다

하버드 대학교와 딥마인드의 연구진은 최근에 생물학적으로 정확한 3D 랫 모델을 만들었으며, 이는 인공 신경망에 의해 제어될 수 있다. 연구진은 인공 신경망이 시뮬레이션된 랫을 3D 환경에서 제어하는 방식을 연구함으로써 실제 뇌가 유기체를 제어하는 방식에 대한 단서를 얻을 수 있을 것이라고 기대한다.

IEEE 스펙트럼은 최근에 보도한 바와 같이, 새로운 논문이 이번 주에 열리는 인터내셔널 컨퍼런스 온 러닝 리프레젠테이션에서 발표될 예정이며, 이는 시뮬레이션된 3D 환경의 생성에 관한 것이다. 3D 랫 모델이 이 환경 안에 존재하며, 컴퓨터 생성된 랩 랫은 AI 모델에 의해 제어될 것이다. 새로운 연구의 목표는 랫을 제어하는 신경망이 생물학적 뇌에서 발견되는 유사한 기능을 가지는지 확인하는 것이다.

딥 신경망의 기본 빌딩 블록은 뉴런 또는 노드이며, 이는 수학적 함수를 사용하여 데이터를 변환한다. 이러한 뉴런은 뇌의 시냅스 연결과 유사한 방식으로 레이어에 연결된다. 인공 신경망과 실제 뇌 사이에 많은 차이가 있지만, 일부 신경과학자와 연구진은 두者の 유사성이 뇌의 작동 방식에 대한 유용한 통찰력을 제공할 수 있다고 믿는다.

연구진이 생성한 3D 컴퓨터 생성 환경은 AI 연구자를 위한 제어된 실험 플랫폼으로 작용한다. 연구진은 이 환경을 사용하여 다양한 신경망이 도전을 어떻게 처리하는지 및 생물학적 네트워크에 어떻게 접근하는지 실험할 수 있다. 연구의 공동 저자이자 포스닥 연구원인 제시 마셜은 IEEE 스펙트럼에 인용된 바와 같이, 대부분의 신경과학 실험은 동물의 뇌를 하나의 작업 또는 몇 개의 작업을 수행하는 동안 분석하며, 대부분의 로봇은 몇 개의 작업만을 위해 설계되었기 때문에, 유연한 뇌가 작동하고 나타나는 방식에 대한 더 강력한 설명이 필요하다. 마셜에 따르면, 이 논문은 “뇌에서 유연성이 어떻게 나타나고 구현되는지 이해하고, 얻은 통찰력을 사용하여 유사한 능력을 가진 인공 에이전트를 설계하는 우리의 노력의 시작”이다.

컴퓨터 엔지니어드 랫은 모든 관절과 근육을 포함하여 생물학적으로 정확하다. 랫은 또한 위치 감각 및 시각과 같은 시뮬레이션된 감각을 가지고 있다. 랫의 움직임을 제어하는 신경망은 네 가지 작업을 통해 훈련되었다: 정교한 타이밍으로 공을 두드기, 미로를 탐색하기, 간격을 뛰어넘기, 언덕이 많고 가파른 지역을 탐색하기.

가상 랫이 작업을 완료했을 때, 연구 팀은 신경과학 분야에서 사용되는 기술을 기반으로 네트워크의 활동을 기록하여 분석했다. 연구진은 네트워크의 활동을 분석하여 작업을 수행하기 위해 필요한 운동 제어 방식을 어떻게 구현했는지 확인했다.

연구진은 신경망이 다양한 작업에 대해 특정 표현을 재사용하며, 다양한 시나리오에 공통된 패턴을 적용한다는 것을 발견했다. 신경 활동은 종종離散적인 시퀀스로 나타났으며, 이는 실제 로덴트와 새에서 관찰된 바와 같다. 예상치 못한 발견 중 하나는 인공 신경망에서 자연스러운 활동이 예상보다 더 오랜 기간 동안 나타나는 것으로 보인다는 것이다. 이는 인공 신경망이 추상적인 수준에서 행동과 운동을 나타낼 수 있음을 시사한다. 이는 실제 동물에 대한 인지 모델과 유사하다.

인공 신경망이 실제 신경망의 생리학적 구현과 현실성을 결여할 수 있지만, 맥길 대학교의 블레이크 리처즈와 같은 신경과학자들은 IEEE 스펙트럼에 따르면, 이러한 모델은 실제 신경망과 유사한 신경 처리 특성을 공유하며, 신경 활동이 행동에 미치는 영향을 예측하는 데 유용하다. 따라서 최근의 논문의 성과는 신경망을 더 실제적인 환경에서 실험하고 훈련하는 방법을 설계하는 것이었다. 이는 생물학적 데이터를 포함한 실험과 비교할 수 있는 더 나은 방법을 제공한다.

퀸즈 대학교의 신경과학자 스티븐 스콧은 또한 믿는다 bahwa 논문에서 설계된 프레임워크는 행동의 신경적 기초를 조사하는 유용한 방법이 될 수 있다. 가상 랫은 신경 활동과 정확하게 상관관계를 맺을 수 있는 다단계 및 복잡한 행동을 수행할 수 있다. 이는 대부분의 동물 모델 실험에서 단순한 작업만을 수행하는 것과는 반대로, 신경 활동의 기록이 복잡하기 때문이다.

그러나 스콧은 또한 동물이 복잡한 작업을 수행하는 동안 신경 데이터를 수집하는 과정은 매우 어려울 수 있음을 인정한다. 따라서 스콧은 논문의 저자들이 가상 랫이 쉬운 작업을 수행하는 동안의 신경 활동을 실제 실험실 실험에서 발견되는 활동과 비교하여, 가상 모델과 실제 뇌 패턴이 어떻게 다른지 더 잘 이해하기를希望한다.