Контрольований штучним інтелектом 3D-щур може привести до нових відкриттів у нейробіології

Дослідники Гарвардського університету та DeepMind недавно створили віртуальну, біологічно точну 3D-модель щура, яку можна контролювати штучними нейронними мережами. Дослідники сподіваються, що вивчення того, як штучна нейронна мережа контролює симульованого щура через 3D-оточення, може дати нейробіологам підказки щодо того, як реальні мозки контролюють організми.

Як недавно повідомив IEEE Spectrum, нова стаття, яка буде представлена цього тижня на Міжнародній конференції з вивчення представлень, деталізує створення симульованого 3D-оточення. 3D-модель щура існує в цьому оточенні, і комп’ютерно створений лабораторний щур буде контролюватися моделями штучного інтелекту. Метою нового дослідження є визначення того, чи можуть нейронні мережі, які контролюють щура, мати аналогічні функції, знайдені в біологічних мозках.

Будівельні блоки глибоких нейронних мереж – це нейрони, або вузли, які перетворюють дані за допомогою математичних функцій. Ці нейрони з’єднані між собою у шарах таким чином, який нагадує синаптичні з’єднання мозку. Хоча між штучними нейронними мережами та реальними мозками існує багато відмінностей, деякі нейробіологи та дослідники вважають, що паралелі, які існують між ними, можуть надати корисні підказки щодо того, як працюють мозки, потенційно поліпшуючи як штучний інтелект, так і нейробіологію.

3D комп’ютерне оточення, створене дослідниками, повинно діяти як контрольована експериментальна платформа для дослідників штучного інтелекту. Дослідники зможуть використовувати це оточення для експериментів з тим, як різні нейронні мережі справляються з викликами та як вони підходять (або не підходять) до біологічних мереж. Як пояснив постдокторант і співавтор дослідження Джессі Маршалл, процитований IEEE Spectrum, тоді як середнє експериментальне дослідження в галузі нейробіології аналізує мозки тварин під час виконання однієї задачі (або лише декількох задач), а більшість роботів розроблені лише для декількох задач, потрібне більш повне пояснення того, як гнучкі мозки працюють та виникають. За словами Маршалла, стаття “є початком нашої спроби зрозуміти, як виникає гнучкість та як вона реалізується в мозку, і використовувати знання, які ми отримуємо, для розробки штучних агентів з аналогічними можливостями”.

Комп’ютерно створений щур біологічно точний, з усіма суглобами та м’язами, яких можна знайти в реальному щурі. Щур також має симульовані відчуття, такі як пропріоцепція (відчуття частини тіла в просторі) та зір. Нейронна мережа, яка контролює рухи щура, була навчена на чотирьох різних завданнях: постукування по м’ячу з точним таймінгом, навігації у лабіринті, стрибків через пробіли та навігації по горбистій, крутій території.

Коли віртуальний щур виконав завдання, дослідницька команда проаналізувала записи діяльності мережі за допомогою технік, заснованих на тих, які використовуються в галузі нейробіології. Дослідники проаналізували діяльність мережі, щоб визначити, як мережа проявила схему контролю руху, необхідну для виконання призначених завдань.

Дослідники виявили, що нейронна мережа повторно використовувала певні представлення для різних завдань, застосовуючи загальні моделі до різних сценаріїв. Дія мережі часто представлялася у вигляді дискретних послідовностей, що є тим, чого було свідком у реальних гризунів та птахів. Одним з несподіваних відкриттів було те, що природна діяльність у моделі штучного інтелекту здавалася присутньою протягом тривалого періоду часу, ніж очікувалося, якщо б модель штучного інтелекту просто контролювала рух кінцівок та м’язів. Це може свідчити про те, що мережа штучного інтелекту проявляє поведінку та рух на абстрактному рівні для таких речей, як стрибки та біг. Це дзеркально відображає когнітивні моделі, які були запропоновані для реальних тварин.

Хоча штучні нейронні мережі можуть не мати фізичної реальності та реалізму реальних нейронних мереж, нейробіологи, такі як Блейк Річардс з Університету Макгілла в Канаді, стверджують, як повідомив IEEE Spectrum, що ці моделі мають багато важливих особливостей нейронної обробки з справжніми нейронними мережами, і вони корисні для прогнозування того, як нейронна діяльність може впливати на поведінку. Тому недавнє досягнення статті полягало у розробці методу експериментів з нейронними мережами та їх навчанням у більш реальному оточенні, що дозволяє провести краще порівняння з експериментами, що涉нують біологічні дані.

Стівен Скотт, нейробіолог з Університету Квінса в Канаді, також вважає, що розроблена у статті структура може бути корисним методом дослідження нейронних основ поведінки. Віртуальний щур здатний виконувати різноманітні багаторівневі, складні поведінки, які можна точно корелювати з нейронною діяльністю. Це перевага над тим, як проводяться більшість експериментів з моделями тварин, які проводяться лише на простих завданнях, через те, як складна реєстрація нейронної діяльності.

Однак, Скотт також визнає, що процес збору нейронних даних з тварин, які виконують складні завдання, може бути дуже складним. Тому Скотт сподівається, що автори статті порівняють нейронну діяльність віртуального щура, коли він виконує прості завдання, з діяльністю, знайденою в реальних лабораторних експериментах, щоб краще зрозуміти, як віртуальні моделі та реальні мозкові моделі відрізняються.