streszczenie: Naukowcy opracowali model mózgu muszki owocowej oparty na sztucznej inteligencji, aby zrozumieć, w jaki sposób wzrok wpływa na zachowanie. Wyciszając genetycznie określone neurony wzrokowe i monitorując zmiany w zachowaniu, wyszkolili sztuczną inteligencję w zakresie dokładnego przewidywania aktywności i zachowania neuronów.
Ich odkrycia ujawniają, że wiele grup neuronów, a nie pojedyncze typy, przetwarza dane wizualne w złożonym „kodzie populacji”. To osiągnięcie toruje drogę przyszłym badaniom nad układem wzrokowym człowieka i powiązanymi z nim zaburzeniami.
Kluczowe fakty:
- Naukowcy z CSHL stworzyli model mózgu muszki owocowej oparty na sztucznej inteligencji, aby badać zachowania sterowane wzrokiem.
- Sztuczna inteligencja przewiduje aktywność neuronów, analizując zmiany w zachowaniu po wyciszeniu określonych neuronów wzrokowych.
- Badanie ujawniło złożony „kod populacji”, w którym wiele grup neuronów przetwarza dane wizualne.
źródło: CSHL
Mówi się nam: „Oczy są zwierciadłem duszy”. Cóż, okna działają na dwa sposoby. Oczy są także naszymi oknami na świat. To, co widzimy i jak to widzimy, pomaga określić, w jaki sposób poruszamy się po świecie. Innymi słowy, nasza wizja pomaga kierować naszymi działaniami, w tym zachowaniami społecznymi.
Teraz młody naukowiec z Cold Spring Harbor Laboratory (CSHL) odkrył kluczową wskazówkę dotyczącą tego, jak to działa. Dokonał tego, budując specjalny model mózgu muszki owocowej oparty na sztucznej inteligencji.
Adiunkt CSHL Benjamin Cowley i jego zespół udoskonalili swój model sztucznej inteligencji za pomocą opracowanej przez siebie techniki zwanej „treningiem nokautowym”. Najpierw zarejestrowali zachowanie godowe samca muszki owocówki, które polegało na gonieniu samicy i śpiewaniu jej.
Następnie genetycznie wyciszyli określone typy neuronów wzrokowych u samców much i wyszkolili swoją sztuczną inteligencję w zakresie wykrywania wszelkich zmian w zachowaniu. Powtarzając ten proces z wieloma różnymi typami neuronów wzrokowych, udało im się zmusić sztuczną inteligencję do dokładnego przewidzenia, jak zachowa się prawdziwa muszka owocowa w odpowiedzi na jakąkolwiek obserwację samicy.
„Możemy faktycznie przewidzieć aktywność neuronów obliczeniowo i zapytać, w jaki sposób poszczególne neurony przyczyniają się do zachowania” – mówi Cawley. „To coś, czego wcześniej nie byliśmy w stanie zrobić”.
Dzięki nowej sztucznej inteligencji zespół Cowleya odkrył, że mózg muszki owocowej wykorzystuje „kod populacyjny” do przetwarzania danych wizualnych. Zamiast jednego typu neuronów kojarzącego każdą cechę wizualną z pojedynczym działaniem, jak wcześniej zakładano, do wyrzeźbienia zachowania potrzebnych było wiele grup neuronów.
Układ tych ścieżek neuronowych wygląda jak niezwykle złożona mapa metra, której rozszyfrowanie zajęłoby lata. Jednak prowadzi nas tam, gdzie powinniśmy się udać. Umożliwia sztucznej inteligencji Cowleya przewidywanie, jak zachowają się prawdziwe muszki owocowe pod wpływem bodźców wzrokowych.
Czy to oznacza, że pewnego dnia sztuczna inteligencja będzie w stanie przewidzieć ludzkie zachowanie? Nie tak szybko. Mózgi Drosophila zawierają około 100 000 neuronów. Ludzki mózg ma ich około 100 miliardów.
„Tak jest w przypadku muszki owocowej. Można sobie wyobrazić, jak wygląda nasz system wizualny” – mówi Cowley, wskazując na mapę metra.
Cowley ma jednak nadzieję, że jego model sztucznej inteligencji pewnego dnia pomoże nam rozszyfrować obliczenia stojące za ludzkim układem wzrokowym.
„Będzie to wymagało dziesięcioleci pracy, ale jeśli uda nam się to rozwiązać, wyprzedzimy konkurencję” – mówi Cawley. „Mamy wieloletnie doświadczenie w tej dziedzinie”. [fly] Dzięki obliczeniom możemy zbudować lepszy sztuczny układ optyczny. Co najważniejsze, znacznie lepiej zrozumiemy zaburzenia narządu wzroku.
O ile lepiej? Musisz to zobaczyć, żeby w to uwierzyć.
O nowościach z badań nad sztuczną inteligencją i neuronauką
autor: Sarah Giarnieri
źródło: CSHL
Komunikacja:Sarah Giarnieri – CSHL
zdjęcie: Zdjęcie przypisane Neuroscience News
Oryginalne wyszukiwanie: Otwarty dostęp.
„Mapowanie modułowości neuronów wzrokowych ujawnia kod populacyjny zachowań społecznych„Beniamin Cowley i in. Natura
podsumowanie
Mapowanie modułowości neuronów wzrokowych ujawnia kod populacyjny zachowań społecznych
Bogata różnorodność zachowań obserwowanych u zwierząt wynika z wzajemnego oddziaływania przetwarzania sensorycznego i kontroli motorycznej. Aby zrozumieć te transformacje sensomotoryczne, przydatne jest zbudowanie modeli przewidywających nie tylko reakcje neuronalne na bodźce zmysłowe, ale także wpływ każdego neuronu na zachowanie.
Tutaj demonstrujemy nowe podejście do modelowania umożliwiające identyfikację mapowania jeden do jednego między modułami wewnętrznymi w głębokiej sieci neuronowej a rzeczywistymi neuronami poprzez przewidywanie zmian behawioralnych wynikających z systematycznych zaburzeń kilkunastu typów neuronów.
Głównym wprowadzanym przez nas elementem jest „trening nokautowy”, który polega na zakłócaniu sieci podczas treningu, aby dopasować się do rzeczywistych zaburzeń neuronalnych podczas eksperymentów behawioralnych. Stosujemy to podejście do modelowania transformacji sensomotorycznych Muszka owocowa czarnobrzuchy Mężczyźni podczas złożonych, wizualnie sterowanych zachowań społecznych.
Neurony projekcji wzrokowej zlokalizowane na styku płata wzrokowego z centralnym mózgiem tworzą grupę odrębnych kanałów, a wcześniejsze prace sugerują, że każdy kanał koduje określoną cechę wizualną w celu stymulowania określonego zachowania.
Nasz model dochodzi do innego wniosku: grupy neuronów projekcji wzrokowej, w tym neurony zaangażowane w zachowania aspołeczne, napędzają interakcje między mężczyznami i kobietami, tworząc bogaty kod zachowań populacji.
Ogólnie rzecz biorąc, nasze ramy integrują skutki behawioralne różnych zaburzeń neurologicznych w jeden ujednolicony model, zapewniając mapę od bodźca, typu neuronu do zachowania i umożliwiając przyszłe włączenie schematów okablowania mózgu do modelu.
