Șobolanul 3D controlat de IA ar putea duce la noi insight-uri în neuroștiințe

Cercetători de la Universitatea Harvard și DeepMind au creat recent un model virtual, biologic precis, 3D al unui șobolan care poate fi controlat de rețele neuronale artificiale. Cercetătorii speră că studiind modul în care o rețea neuronală artificială controlează un șobolan simulat printr-un mediu 3D, neuroștiinții ar putea obține indicii despre modul în care creierul real controlează organismele.

După cum a raportat recent IEEE Spectrum, un nou articol care va fi prezentat în această săptămână la Conferința Internațională privind Reprezentarea Învățării detaliază crearea unui mediu simulat, 3D. Un model 3D al unui șobolan există în acest mediu, iar șobolanul generat de computer va fi controlat de modele de IA. Scopul noului studiu este de a vedea dacă rețelele neuronale care controlează șobolanul ar putea avea funcții analoge găsite în creiere biologice.

Blocurile de construcție ale rețelelor neuronale profunde sunt neuroni, sau noduri care transformă datele cu funcții matematice. Acești neuroni sunt conectați în straturi într-un mod care seamănă cu conexiunile sinaptice ale creierului. Deși există multe diferențe notabile între rețelele neuronale artificiale și creierele reale, un număr de neuroștiințifiți și cercetători cred că paralelele care există între cele două ar putea oferi insight-uri utile despre modul în care creierul funcționează, îmbunătățind atât IA, cât și neuroștiința.

Mediul 3D generat de computer creat de cercetători va acționa ca o platformă experimentală controlată pentru cercetătorii de IA. Cercetătorii vor putea utiliza mediul pentru a experimenta modul în care diferitele rețele neuronale abordează provocările și modul în care se apropie (sau nu) de rețelele biologice. Așa cum a explicat cercetătorul postdoctoral și coautor al studiului Jesse Marshall, citat de IEEE Spectrum, în timp ce experimentele obișnuite de neuroștiință analizează creierele animalelor care efectuează o sarcină (sau doar câteva sarcini), iar majoritatea roboților sunt proiectați pentru doar câteva sarcini, o explicație mai robustă a modului în care creierele flexibile funcționează și apar este necesară. Conform lui Marshall, articolul “este începutul efortului nostru de a înțelege cum apare și se implementează flexibilitatea în creier și de a folosi insight-urile pe care le obținem pentru a proiecta agenți artificiali cu capacități similare”.

Șobolanul inginerit de computer este biologic precis, cu toate articulațiile și mușchii pe care îi ai într-un șobolan real. Șobolanul are, de asemenea, simțuri simulate, cum ar fi propriocepția (un simț al părților corpului în spațiu) și viziunea. Rețeaua neuronală care controlează mișcările șobolanului a fost antrenată pe patru sarcini diferite: atingerea unei mingi cu un timp precis, navigarea printr-un labirint, săritura peste goluri și navigarea printr-o regiune accidentată și abruptă.

Când șobolanul virtual a completat sarcinile, echipa de cercetare a analizat înregistrările activității rețelei utilizând tehnici bazate pe cele utilizate în domeniul neuroștiinței. Cercetătorii au analizat activitatea rețelei pentru a determina modul în care rețeaua a manifestat schema de control motor necesară pentru a efectua sarcinile atribuite.

Cercetătorii au descoperit că rețeaua neuronală a reutilizat anumite reprezentări pentru sarcinile diferite, aplicând modele comune în scenarii diferite. Activitatea neuronală a fost adesea reprezentată sub formă de secvențe discrete, ceea ce este ceva care a fost observat și la rozătoare reale și la păsări. O descoperire neașteptată a fost că activitatea naturală într-un model de IA a părut să fie prezentă pe o perioadă mai lungă de timp decât s-ar fi așteptat dacă modelul de IA ar fi controlat doar mișcarea membrelor și a mușchilor. Acest lucru ar putea sugera că rețeaua de IA manifestă comportamente și mișcări la un nivel abstract pentru lucruri cum ar fi săritura și alergarea. Acest lucru reflectă modelele cognitive care au fost propuse pentru animale reale.

Deși rețelele neuronale artificiale pot lipsi de încorporare fiziologică și realismul rețelelor neuronale reale, neuroștiințifiști precum Blake Richards de la Universitatea McGill din Canada susțin, după cum a raportat IEEE Spectrum, că modelele împărtășesc multe caracteristici importante ale procesării neuronale cu rețelele neuronale reale și sunt utile în facerea de predicții despre modul în care activitatea neuronală ar putea influența comportamentul. Prin urmare, realizarea recentului articol a fost proiectarea unei metode de experimentare cu rețele neuronale și antrenarea lor într-un mediu mai realist, permițând o comparație mai bună cu experimentele care implică date biologice.

Stephen Scott, un neuroștiințifician de la Universitatea Queen’s din Canada, crede de asemenea că cadrul proiectat în noul articol ar putea fi o metodă utilă de examinare a fundamentelor neuronale ale comportamentului. Șobolanul virtual este capabil să efectueze o varietate de comportamente complexe, multietapă, care pot fi corelate precis cu activitatea neuronală. Acesta este un avantaj față de modul în care majoritatea experimentelor cu modele animale sunt efectuate pe sarcini simple, din cauza complexității înregistrării activității neuronale.

Cu toate acestea, Scott recunoaște și că procesul de colectare a datelor neuronale de la animale care efectuează sarcini complicate poate fi extrem de dificil. Prin urmare, Scott speră să vadă autorii articolului comparând activitatea neuronală a șobolanului virtual, pe măsură ce efectuează sarcini ușoare, cu activitatea găsită în experimentele de laborator din lumea reală, pentru a înțelege mai bine cum se diferențiază modelele virtuale și modelele de creier din lumea reală.