AI-gecontroleerde 3D-rat kan leiden tot nieuwe inzichten in de neurologie

Onderzoekers van de Harvard University en DeepMind hebben onlangs een virtuele, biologisch nauwkeurige 3D-model van een rat gemaakt dat kan worden gecontroleerd door kunstmatige neurale netwerken. De onderzoekers hopen dat het bestuderen van hoe een kunstmatig neuronaal netwerk een gesimuleerde rat door een 3D-omgeving bestuurt, neurologen aanwijzingen kan geven over hoe echte hersenen organismen besturen.

Zoals IEEE Spectrum onlangs rapporteerde, een nieuw artikel dat deze week zal worden gepresenteerd op de Internationale Conferentie over Leren en Representaties, beschrijft de creatie van een gesimuleerde, 3D-omgeving. Een 3D-model van een rat bestaat in deze omgeving, en de computer gegenereerde lab-rat zal worden gecontroleerd door AI-modellen. Het doel van de nieuwe studie is om te zien of de neurale netwerken die de rat besturen, overeenkomstige functies kunnen hebben met die in biologische hersenen.

De bouwstenen van diepe neurale netwerken zijn neuronen, of knooppunten die gegevens transformeren met wiskundige functies. Deze neuronen zijn verbonden in lagen op een manier die lijkt op de synaptische verbindingen van de hersenen. Hoewel er veel opvallende verschillen zijn tussen kunstmatige neurale netwerken en echte hersenen, geloven veel neurologen en onderzoekers dat de overeenkomsten die bestaan tussen de twee, nuttige inzichten kunnen geven in hoe hersenen werken, en zowel AI als neurologie kunnen verbeteren.

De 3D-computer gegenereerde omgeving die door de onderzoekers is gemaakt, dient als een gecontroleerd, experimenteel platform voor AI-onderzoekers. Onderzoekers zullen in staat zijn om de omgeving te gebruiken om te experimenteren met hoe verschillende neurale netwerken omgaan met uitdagingen en hoe ze biologische netwerken benaderen (of niet). Zoals postdoctorale onderzoeker en co-auteur van de studie Jesse Marshall verklaarde, geciteerd door IEEE Spectrum, terwijl het gemiddelde neurologie-experiment de hersenen van dieren analyseert terwijl ze één taak (of slechts een paar taken) uitvoeren, en de meeste robots zijn ontworpen voor slechts een paar taken, is een meer robuuste verklaring nodig van hoe flexibele hersenen werken en ontstaan. Volgens Marshall is het artikel “het begin van onze inspanning om te begrijpen hoe flexibiliteit ontstaat en wordt geïmplementeerd in de hersenen, en om de inzichten die we verkrijgen te gebruiken om kunstmatige agenten te ontwerpen met vergelijkbare capaciteiten”.

De computer gegenereerde rat is biologisch nauwkeurig, met alle gewrichten en spieren die je in een echte rat zou vinden. De rat heeft ook gesimuleerde zintuigen zoals proprioceptie (een gevoel van de lichaamsdelen in de ruimte) en gezichtsvermogen. Het neurale netwerk dat de bewegingen van de rat bestuurt, is getraind op vier verschillende taken: het tikken op een bal met precieze timing, het navigeren door een doolhof, het springen over gaten en het navigeren door een heuvelachtig, steil gebied.

Toen de virtuele rat de taken voltooide, analyseerde het onderzoeksteam opnames van de activiteit van het netwerk met behulp van technieken die zijn gebaseerd op die uit het veld van de neurologie. De onderzoekers analyseerden de activiteit van het netwerk om te bepalen hoe het netwerk het motorcontroleschema had gemanifesteerd dat nodig was om de toegewezen taken uit te voeren.

De onderzoekers vonden dat het neurale netwerk bepaalde representaties hergebruikte voor de verschillende taken, en algemene patronen toepaste op verschillende scenario’s. De neurale activiteit werd vaak weergegeven als discrete sequenties, wat iets is dat is waargenomen in echte knaagdieren en in vogels. Een onverwachte bevinding was dat natuurlijke activiteit in een AI-model aanwezig leek te zijn over een langere periode dan verwacht zou worden als het AI-model alleen de beweging van ledematen en spieren zou controleren. Dit kan suggereren dat het AI-netwerk gedragingen en bewegingen manifesteert op een abstract niveau voor dingen zoals springen en rennen. Dit spiegelt cognitieve modellen die zijn voorgesteld voor echte dieren.

Hoewel kunstmatige neurale netwerken mogelijk de fysieke belichaming en realisme van echte neurale netwerken missen, betogen neurologen zoals Blake Richards van de McGill University in Canada, zoals IEEE Spectrum rapporteerde, dat de modellen veel belangrijke kenmerken van neurale verwerking delen met echte neurale netwerken, en dat ze nuttig zijn in het maken van voorspellingen over hoe neurale activiteit gedrag kan beïnvloeden. Daarom was de prestatie van het recente artikel het ontwerpen van een methode om neurale netwerken te experimenteren en te trainen in een meer realistische omgeving, waardoor een betere vergelijking mogelijk is met experimenten met biologische gegevens.

Stephen Scott, een neuroloog van de Queen’s University in Canada, gelooft ook dat het kader dat in het nieuwe artikel is ontworpen, een nuttige methode kan zijn om de neurale onderbouwing van gedrag te onderzoeken. De virtuele rat is in staat om een verscheidenheid aan multistage, complexe gedragingen uit te voeren die nauwkeurig kunnen worden gecorreleerd met neurale activiteit. Dit is een voordeel ten opzichte van hoe de meeste experimenten met diermodellen worden uitgevoerd op slechts eenvoudige taken, vanwege de complexiteit van het opnemen van neurale activiteit.

Scott erkent echter ook dat het proces van het verzamelen van neurale gegevens van dieren die complexe taken uitvoeren, extreem moeilijk kan zijn. Daarom hoopt Scott dat de auteurs van het artikel de neurale activiteit van de virtuele rat zullen vergelijken met de activiteit die wordt aangetroffen in laboratoriumexperimenten in de echte wereld, om beter te begrijpen hoe de virtuele modellen en de patronen van de hersenen in de echte wereld verschillen.