Исследователи направлены на улучшение систем ИИ с помощью новых типов “мозговых клеток”

Команда исследователей, базирующаяся в MIT, направлена на улучшение производительности нейронных сетей путем объединения их со структурами, основанными на других типах клеток в мозге. Команда исследователей будет интегрировать структуры, основанные на астроцитах, в нейронные сети, направленные на то, чтобы нейронные сети могли изменять, как они обрабатывают сигналы во времени.

Глубокие нейронные сети вдохновлены нейронными сетями человеческого мозга. Алгоритмы обучения с подкреплением учатся на своих ошибках и успехах со временем, что позволяет им освоить сложные задачи, такие как игры в шахматы и Го. Однако глубокие нейронные сети испытывают трудности, когда они сталкиваются с общими проблемами, с которыми сталкиваются люди. Любая ситуация, которая требует общих знаний, не полученных в текущей области или окружении, является трудной для глубоких нейронных сетей.

Согласно MIT’s Picower Institute, команда исследователей направлена на то, чтобы сделать глубокие нейронные сети более прочными, универсальными и надежными, добавив тип структуры, основанной на астроцитах, к нейронной сети.

Как объяснил профессор нейробиологии в MIT, Mriganak Sur, акцент на нейронах привел к тому, что другие типы клеток мозга, которые играют важные роли в мозге, были проигнорированы. Sur объяснил, что даже самые современные глубокие нейронные сети могут испытывать трудности с учетом и обучением факторов в окружении, когда правила/контекст не меняются или время не имеет значения. В таких условиях нейронная сеть может испытывать трудности с сохранением успешных стратегий во времени, балансированием между исследованием и эксплуатацией, и применением того, что она научилась, к подобным задачам в другом контексте.

Согласно Sur, недавние данные свидетельствуют о том, что астроциты играют важную роль в ermögлении мозга выполнять вышеперечисленные задачи, благодаря их способности функционировать как параллельная сеть, работающая вместе с нейронами. Введение астроцитов в нейронную сеть позволит ИИ интегрировать информацию, собранную за долгие временные масштабы, распознавать подобные ситуации и повторно использовать приобретенные способности, и модулировать синаптические связи между нейронами. Астроциты направляют нейроны в префронтальной коре мозга на исследование сценариев и помогают клеткам в стриатуме в эксплуатации ситуаций, обе управляемые химическими нейромодуляторами.

Согласно Sur, недавние данные свидетельствуют о том, что астроциты играют важную роль в ermögлении мозга выполнять вышеперечисленные задачи, благодаря их способности функционировать как параллельная сеть, работающая вместе с нейронами. Введение астроцитов в нейронную сеть позволит ИИ интегрировать информацию, собранную за долгие временные масштабы, распознавать подобные ситуации и повторно использовать приобретенные способности, и модулировать синаптические связи между нейронами. Астроциты направляют нейроны в префронтальной коре мозга на исследование сценариев и помогают клеткам в стриатуме в эксплуатации ситуаций, обе управляемые химическими нейромодуляторами.

Команда исследователей будет исследовать, как астроциты могут дополнить глубокие нейронные сети посредством различных экспериментов, каждый из которых будет проведен разными специалистами. Результаты экспериментов будут использованы для уточнения теории, которую держит команда исследователей. Исследователи будут собирать данные из простых экспериментов на мышах и людях и отслеживать, как изменения в областях мозга, астроцитах и нейромодуляторах влияют на производительность.

Наконец, Alfonso Araque и Sur будут наблюдать за мышами, чтобы увидеть, как астроциты работают, пока они учатся. Они также будут манипулировать астроцитами, чтобы увидеть, как это влияет на процесс обучения с подкреплением.

Как объяснили члены команды в своем гранте:

“Наша центральная гипотеза заключается в том, что взаимодействие астроцитов с нейронами и нейромодуляторами является источником вычислительной мощи, который ermögляет мозгу естественным образом выполнять обучение с наградой и преодолевать многие проблемы, связанные с современными системами обучения с подкреплением (RL)”.