Sterowany przez AI trójwymiarowy szczur może przynieść nowe spostrzeżenia w dziedzinie neurobiologii

Naukowcy z Uniwersytetu Harvarda i DeepMind niedawno stworzyli wirtualny, biologicznie dokładny model trójwymiarowy szczura, który może być kontrolowany przez sztuczne sieci neuronowe. Naukowcy mają nadzieję, że badanie tego, jak sztuczna sieć neuronowa kontroluje symulowanego szczura w trójwymiarowym środowisku, może dać neurobiologom wskazówki dotyczące tego, jak prawdziwe mózgi kontrolują organizmy.

Jak donosi IEEE Spectrum, nowy artykuł, który zostanie zaprezentowany w tym tygodniu na Międzynarodowej Konferencji poświęconej Reprezentacji Uczenia, szczegółowo opisuje stworzenie symulowanego, trójwymiarowego środowiska. W tym środowisku istnieje trójwymiarowy model szczura, a komputerowy szczur będzie kontrolowany przez modele AI. Celem nowego badania jest sprawdzenie, czy sieci neuronowe, które kontrolują szczura, mogą mieć funkcje analogiczne do tych znalezionych w biologicznych mózgach.

Budulcem głębokich sieci neuronowych są neurony, czyli węzły, które przekształcają dane za pomocą funkcji matematycznych. Te neurony są połączone w warstwy w sposób przypominający połączenia synaptyczne mózgu. Chociaż istnieją znaczne różnice między sztucznymi sieciami neuronowymi a prawdziwymi mózgami, wielu neurobiologów i badaczy uważa, że podobieństwa między nimi mogą dostarczyć przydatnych wskazówek dotyczących tego, jak mózgi działają, potencjalnie poprawiając zarówno sztuczną inteligencję, jak i neurobiologię.

Trójwymiarowe, komputerowo wygenerowane środowisko stworzone przez naukowców ma służyć jako kontrolowane, eksperymentalne platformy dla badaczy AI. Naukowcy będą mogli wykorzystywać to środowisko do eksperymentowania z tym, jak różne sieci neuronowe radzą sobie z wyzwaniami i jak podejmują (lub nie podejmują) biologiczne sieci. Jak wyjaśnił Jesse Marshall, postdoktorancki badacz i współautor badania, cytowany przez IEEE Spectrum, podczas gdy przeciętne eksperymenty neurobiologiczne analizują mózgi zwierząt podczas wykonywania jednej czynności (lub tylko kilku czynności), a większość robotów jest zaprojektowana do wykonywania tylko kilku czynności, potrzebne jest bardziej szczegółowe wyjaśnienie, jak elastyczne mózgi działają i powstają. Według Marshalla, artykuł „jest początkiem naszych wysiłków, aby zrozumieć, jak elastyczność powstaje i jest wdrażana w mózgu, i wykorzystać wglądy, które uzyskamy, aby zaprojektować sztuczne agenty o podobnych zdolnościach”.

Szczur komputerowy jest biologicznie dokładny, z wszystkimi stawami i mięśniami, jakie można znaleźć u prawdziwego szczura. Szczur ma również symulowane zmysły, takie jak propriocepcja (zmysł własnego ciała w przestrzeni) i wzrok. Sieć neuronowa, która kontroluje ruchy szczura, była szkolona na czterech różnych zadaniach: stukaniu w piłkę z dokładnym czasem, nawigowaniu w labiryncie, skakaniu nad przeszkodami i nawigowaniu na pagórku.

Gdy wirtualny szczur wykonał zadania, zespół badawczy przeanalizował nagrania aktywności sieci, wykorzystując techniki oparte na tych stosowanych w dziedzinie neurobiologii. Naukowcy przeanalizowali aktywność sieci, aby określić, jak sieć wdrożyła schemat kontroli ruchu niezbędny do wykonania zadanych zadań.

Naukowcy odkryli, że sieć neuronowa wykorzystywała pewne reprezentacje dla różnych zadań, stosując wspólne wzorce do różnych sytuacji. Aktywność sieci była często reprezentowana jako dyskretne sekwencje, co jest czymś, co zostało zaobserwowane u prawdziwych gryzoni i ptaków. Jednym z nieoczekiwanych odkryć było to, że naturalna aktywność w modelu AI wydawała się być obecna przez dłuższy czas niż oczekiwano, gdyby model AI miał tylko kontrolować ruchy kończyn i mięśni. Może to sugerować, że sieć AI manifestuje zachowania i ruchy na abstrakcyjnym poziomie dla rzeczy takich jak skakanie i bieganie. To odbicie modeli kognitywnych, które zostały zaproponowane dla prawdziwych zwierząt.

Chociaż sztuczne sieci neuronowe mogą nie posiadać fizjologicznej inkarnacji i realizmu prawdziwych sieci neuronowych, neurobiolodzy tacy jak Blake Richards z Uniwersytetu McGill w Kanadzie argumentują, jak donosi IEEE Spectrum, że modele te posiadają wiele ważnych cech przetwarzania neuronowego z prawdziwymi sieciami neuronowymi i są przydatne w dokonywaniu przewidywań dotyczących tego, jak aktywność neuronowa może wpływać na zachowanie. Dlatego też osiągnięcie ostatniego artykułu polegało na opracowaniu metody eksperymentowania z sieciami neuronowymi i szkolenia ich w bardziej realistycznym środowisku, umożliwiając lepsze porównanie z eksperymentami z udziałem danych biologicznych.

Stephen Scott, neurobiolog z Uniwersytetu Queen’s w Kanadzie, również uważa, że ramy opracowane w nowym artykule mogą być przydatną metodą badania podstaw neuronowych zachowań. Wirtualny szczur jest w stanie wykonywać różnorodne, wieloetapowe i złożone zachowania, które mogą być ściśle skorelowane z aktywnością neuronową. Jest to zaletą w porównaniu z tym, jak większość eksperymentów z modelami zwierzęcymi jest prowadzona tylko na prostych zadaniach, ze względu na to, jak złożone jest rejestrowanie aktywności neuronowej.

Jednak Scott również przyznaje, że proces pozyskiwania danych neuronowych od zwierząt wykonujących skomplikowane zadania może być niezwykle trudny. Dlatego Scott ma nadzieję, że autorzy artykułu porównają aktywność neuronową wirtualnego szczura, gdy wykonuje łatwe zadania, z aktywnością znalezioną w eksperymentach laboratoryjnych, aby lepiej zrozumieć, jak wirtualne modele i prawdziwe wzorce mózgowe się różnią.