OPENTadpole: das erste kybernetische Tier

Hallo liebe GeekTimes Community! Nach meinem langen Schweigen möchte ich mein neues Projekt vorstellen. OPENTadpole ist eine Anwendung, die aus einem vollwertigen Editor des Nervensystems der Kaulquappe des Frosches und der physischen Nachahmung des Körpers und der Umwelt der Kaulquappe besteht. Die Möglichkeit, die Verbindung des Tieres von Grund auf neu zu erstellen, zu konfigurieren und zu bearbeiten und sofort zu sehen, wie sich Ihre Kreation in ihrem Verhalten widerspiegelt.



Vor ungefähr einem Jahr wurde eine Reihe von Artikeln fertiggestellt, die sich mit der Entwicklung eines Simulators des Nervensystems befassten, und die von mir entwickelte Anwendung wies eine Reihe von Mängeln auf, und amateurhafter Code ermöglichte es nicht, die Funktionalität der Anwendung zu erweitern und zu entwickeln. Es ist erwähnenswert, dass ich mit der damals entwickelten Anwendung die grundlegenden Mechanismen und die theoretische Plattform des Modellierungssystems demonstrieren und erarbeiten konnte. Es wurde beschlossen, den Code aus einer Position einer genaueren Darstellung heraus erneut zu verarbeiten, welche Entitäten und ihre Funktionalität in der endgültigen Version der Anwendung vorhanden sein werden.

Erstens habe ich meine Lieblings-Unity-Game-Engine für meine Entwicklung verwendet und die Essenz des neuronalen Elements mit GameObject verbunden. Die Logik wurde in Coroutinen ausgeführt, die beim Skalieren des Netzwerks zu einem schwerwiegenden Problem wurden, bei dem die Anwendung aufgrund der engen Verbindung der Logik des neuronalen Netzwerks schrecklich durchhängt grafischer Teil der Anwendung. Die Lösung bestand natürlich darin, den grafischen Teil von der Systemlogik zu trennen, die Logik muss in separaten Threads ausgeführt werden, und der grafische Teil kann nur regelmäßig auf die Netzwerkelemente zugreifen, um die auftretenden Änderungen anzuzeigen. Dieser Ansatz bietet einen weiteren Vorteil: Sie können nicht nur die im Netzwerk ablaufenden Prozesse überwachen, sondern auch mit den Ergebnissen seiner Berechnungen interagieren. Tauchen Sie das Netzwerk beispielsweise in einen bestimmten virtuellen Agenten ein und beobachten Sie, wie dieser Agent mit der externen Umgebung interagiert.

Zweitens wurde beschlossen, das Konzept des Editors zu überarbeiten, obwohl 3D als effektivere Visualisierungsmethode angesehen wird. Ich entschied mich, auf 2D umzusteigen. Früher dachte ich, dass eine bestimmte Schlüsselbedeutung in der dreidimensionalen Organisation des Nervensystems liegt, und aus Angst, etwas aus den Augen zu verlieren, strebte ich nach einer dreidimensionalen Organisation des Herausgebers und des Systems. Aber jetzt verstehe ich, dass es ausreichen wird, das Konstruktive eines flachen Editors mit Ebenen oder Ebenen anzuwenden, da sogar die Großhirnrinde eine geschichtete Struktur aufweist und das Arbeiten in der Ebene es dem Endbenutzer ermöglicht, bequemer mit dem Editor zu navigieren und zu organisieren, insbesondere wenn es um große Elemente geht Anordnungen von Elementen.

Da ich alleine arbeite und die Entwicklung von Anwendungen auf dem Gebiet der Kybernetik nicht meine Haupttätigkeit ist, begann die Entwicklung langsam zu gehen, und gleichzeitig wollte ich zeigen, wie ich meine Ideen auf Tiere mit einem einfachen Nervensystem wie einer Muschel anwenden kann. ein Wurm oder eine Art Insekt. Ich mag das OpenWorm-Projekt sehr, um ein Computermodell des Caenorhabditis elegans-Wurms zu erstellen, dessen Nervensystem aus 302 Neuronen besteht und dessen Verbindung vollständig zusammengesetzt war. Das Projekt besteht aus zwei Teilen: Modellierung der neuronalen elektrischen Eigenschaften des Nervensystems des Wurms und Modellierung der mechanischen Eigenschaften seines Körpers beim Schwimmen. Ich habe dieses Konzept auf mein Projekt angewendet, auf das im Namen des Projekts verwiesen wird. Die Wahl eines simulierten Tieres wurde durch die Aufzeichnung der Rede von Roman Matveevich Borisyuk beeinflusst, in der er über ein Projekt zur Simulation des Nervensystems einer zweitägigen Froschkaulquappe sprach. Inspiriert von diesem Video beschloss ich, bei der Arbeit an einem Nervensystem-Simulator, der OPENTadpole hieß, einen Ableger zu machen.

Eine theoretische Plattform, die behauptet, die Mechanismen des Nervensystems zu erklären, sollte sowohl auf der Skala einfacher Nervensysteme als auch auf der Skala der Nervensysteme funktionieren, die kognitive Funktionen ausführen. Oft finden Sie Kommentare, die an die Autoren neuer Theorien zur Funktionsweise des Gehirns gerichtet sind. Bevor Sie große neuronale Netze modellieren, kann es sinnvoll sein, zu zeigen, wie ihre Theorien auf einfache Tiere und ihr Nervensystem angewendet werden können. Eine ausweichende Antwort auf diese Kommentare ist zu hören, dass sich die Eigenschaften von Neurosystemen nur in einem sehr großen, gigantischen Maßstab manifestieren und das Leben primitiver Kreaturen für die Lösung kognitiver Probleme nicht von Bedeutung ist. Solche Ungerechtigkeiten und Wahnvorstellungen wurden für mich für eine Weile zu einem weiteren Grund, mich auf das Leben und Verhalten der zweitägigen Froschkaulquappe zu konzentrieren.

Kybernetische Tiere mit dem Nervensystem

Natürlich hat der Mensch bereits viele kybernetische Mechanismen geschaffen, die bestimmte Aspekte des Tierverhaltens imitieren, zum Beispiel die mechanischen Enten von Vaucanson, die nicht nur mit den Flügeln schwenkten, auf ein verstreutes Futter pickten, sondern auch eine Art Verdauungssystem mit allen damit verbundenen Prozessen hatten. Künstliche Tiere mit einem Nervensystem, das dem biologischen Gegenstück ähnlich ist, sind jedoch selten genug. Lassen Sie uns einen kurzen Überblick über die Welt der kybernetischen Tiere geben, damit Ihnen klar wird, woher so viel Kühnheit stammt, um Ihre Kaulquappe als das erste kybernetische Tier mit einem künstlichen Nervensystem zu bezeichnen.

Und wir werden nicht mit einem Tier beginnen, sondern mit einer legendären Person - Henry Markram. Henry Markam ist ein Wissenschaftler, der vielen als Pionier bei der Erforschung synaptischer Verbindungen bekannt ist. Er war einer der ersten, der begann, systematisch eine konsistente Version der Hebb-Regel zu studieren. Aber Henry Markram wurde als Schöpfer der teuersten Gehirnsimulation der Welt wirklich berühmt. Dem Wissenschaftler und seinen Kollegen stehen nicht nur die größten Mittel zur Verfügung, die jemals für solche Zwecke bereitgestellt wurden, sondern auch die leistungsstärksten Computerressourcen des Blue Gene-Supercomputers von IBM. Der Name des Computers gab dem Projekt den Vornamen: „Blue Brain Project“, 2013 wurde es in „The Human Brain Project“ umbenannt. Trotz der Tatsache, dass sich der Name des Projekts jetzt auf das menschliche Gehirn bezieht, wird derzeit an einem Modell eines kleinen Fragmentes der Hirnrinde des Maushirns gearbeitet. Projektmanager haben große Pläne, beginnend mit einem kleinen Fragment des Mausgehirns, um ein vollständiges Modell des menschlichen Gehirns zu erreichen. Bereits 2009 versprach Markam, der Kurator des Projekts, zehn Jahre später eine Computersimulation des gesamten menschlichen Gehirns. Viele halten Henry Markram für einen Scharlatan. Wenn Sie sich seine Reden anhören, konzentrieren sie sich mehr auf wohlhabende Investoren, die sich mit Neurowissenschaften schlecht auskennen, als auf ihre Kollegen.



In der gesamten Geschichte des Projekts gibt es neben schönen grafischen Materialien und blinkenden Girlanden von Neuronen eine praktisch nützliche Studie. Es wurden ungefähr zwanzig 3D-Modelle bestimmter Arten von Neuronen erstellt, die die Topologie realer Neuronen unter Berücksichtigung aller Biegungen und Zweige der Dendriten vollständig wiederholten. Dann wurde ein kleiner Bereich des Kortex konfiguriert, in dem die vorbereiteten Modelle von Neuronen nach bestimmten Regeln lokalisiert waren, aber Neuronenmodelle zufällig ausgewählt wurden, und dann wurden Statistiken aus dem erhaltenen Modell gesammelt: Wo sich die Dendriten schneiden, in welcher Entfernung vom Zellkörper, welche Art von Kontakten.

Die erhaltenen Statistiken wurden mit ähnlichen Statistiken verglichen, jedoch vom biologischen Nervensystem erhalten und erzielten sehr wichtige Ergebnisse: Die Bildung von 80% der synaptischen Verbindungen im Kortex ist dem Zufall unterworfen. Das heißt, Wo es frei wachsende Dendriten, Axone, Kollateralen gibt, kann sich eine Synapse bilden und keine chemischen Marker. In einigen Fällen ist natürlich die Selektivität der Bildung von Synapsen nicht ausgeschlossen, und es ist auch unmöglich zu schließen, dass die Qualität der Verbindungen zufällig ist. Eine Synapse kann sich während des Wachstums eines Neurons zufällig bilden, aber ihre Stärke (Gewicht) kann durch die Vitalaktivität des Nervensystems und des Tieres bestimmt werden.

Während es im Rahmen des Human Brain Project nicht möglich ist, über eine kybernetische virtuelle Maus zu sprechen, ist ein Modell des Mausgehirns in Originalgröße noch weit entfernt. Aufgrund der Ressourcen von IBM kündigte ein anderer Forscher, Dharmendra Mohda, 2009 den Start eines Projekts zur Erstellung einer digitalen Simulation eines Katzengehirns an. Diese Aussage verursachte bei Markram große Empörung, was zu einem wütenden offenen Brief an den Cheftechnologen von IBM führte. Niemand mag Wettbewerb, aber wir würden ihn lieber im Kampf virtueller Katzen und Mäuse sehen, als die Aufmerksamkeit von IBM-Köpfen, Köpfen teurer Imitationen, auf sich zu ziehen. Nach so vielen Jahren traten keine signifikanten Veränderungen und Entwicklungen auf dem Gebiet der Nachahmung des Gehirns von Säugetieren auf.

OpenWorm ist ein sehr bekanntes Projekt zur Erstellung eines Simulationsmodells eines Nematoden (Spulwurms) der Art Caenorhabditis elegans. Dieser Wurm zeichnet sich dadurch aus, dass dies die einzige Tierart ist, für die eine vollständige Verbindung seines Nervensystems aus 302 Neuronen und etwa 7.000 synaptischen Verbindungen besteht. Selbst für ein so kleines Nervensystem wie c. Es stellte sich heraus, dass es sich bei der Verbindung von elegans um ein titanisches Werk handelte. Zunächst wurde der Wurm einem komplexen Verfahren unterzogen - der seriellen Mikroskopie, bei der eine Reihe von Fotografien von Querschnitten des Körpers erstellt wurden. Es war notwendig, sehr dünne Schnitte von einigen Mikrometern zu machen und dann mit einem Elektronenmikroskop hochauflösende Bilder zu erstellen. Bei einem erwachsenen Wurm von 1-2 mm Länge stellte sich heraus, dass dies eine schwierige Aufgabe war. Der verfügbare Foteatlas besteht aus 3 Würmern, da das Nervensystem c. elegans hat eine erstaunliche Stabilität und Wiederholbarkeit. Zweitens hat das Wissenschaftlerteam mehr als sieben Jahre sorgfältiger Untersuchung der Bilder gebraucht, um eine Karte der Verbindungen des Nervensystems zu erstellen. An der resultierenden Datenbank werden noch Anpassungen vorgenommen.

Leider ist es unmöglich, die Art und Stärke der synaptischen Verbindungen auf dem Foto zu bestimmen. Daher haben wir eine Beschreibung der Verbindungen, ohne eine Vorstellung von ihrem funktionalen Zweck zu haben.

Der nächste Schritt zum Verständnis der Natur des Nervensystems c. elegans wird zum Versuch, eine Computersimulation eines Wurms zu erstellen. Das digitale Modell ist insofern praktisch, als der Experimentator die Einstellungen seiner Elemente ändern und auswählen kann, so dass die Arbeit des gesamten Modells mit einem biologischen Analogon vergleichbar ist, wodurch es möglich ist, einige Gesetze der Organisation und Funktionsweise des Nervensystems eines lebenden Organismus durch empirische Auswahl zu identifizieren. Ohne eine allgemeine Theorie des Nervensystems, ohne eine theoretische Plattform ist eine solche Suche nach Gesetzen natürlich eine sehr schwierige Aufgabe, deren Lösung sich natürlich hinziehen kann.
Besonders bekannt wurde das Projekt beim Kickstarter des Unternehmens im Jahr 2014 . Die OpenWorm-Community ist sehr fruchtbar: Es wird ein dreidimensionaler Atlas des Nematoden erstellt , in dem das Nervensystem detailliert herausgearbeitet wird - jedes Neuron wird bezeichnet; geschaffenes und weit entwickeltes System zur Modellierung und Visualisierung von Geppetto ; Simulation der mechanischen Eigenschaften des Wurmkörpers und der äußeren Umgebung - Sibernetic, an dem unsere Landsleute arbeiten. Frei bewegliche kybernetische Nematoden, die vom Nervensystem kontrolliert werden, sind jedoch noch nicht aufgetreten. Einige einfache Reflexe in Bezug auf Fortbewegung (Bewegung) und Rückzug beim Berühren der Vorderseite des Körpers wurden modelliert, aber die meisten Nervenkreise und das damit verbundene Nematodenverhalten bleiben unerforscht.

Als eines der neuesten sibirnetischen Videos von Andrei Palyanovs Kanal, Nematodenschwimmen in zwei verschiedenen Umgebungen, wird die Steuerung mithilfe einfacher periodischer Signale ohne Beteiligung virtueller Neuronen durchgeführt.

Das nächste Projekt hat mich sehr beeindruckt. Nachdem ich mir das nächste Video mit einer Rede von Roman Matveevich Borisyuk angesehen hatte, entschied ich mich für eine Kaulquappe als Modelltier in meinem Projekt.


Das wenig bekannte Projekt tadpoles.org.uk erklärt bescheiden einige der Grundprinzipien und Gesetze der Organisation des Nervensystems. Wissenschaftler haben ein Modell für die Entwicklung des Nervensystems erstellt, dessen Bildung in der Anfangsphase der Entwicklung des Tieres. Zunächst wird ein Modell erstellt: Dendriten und Axone wachsen aus Neuronen nach bestimmten Regeln, die einige Parameter des Kaulquappenkörpers mit einer bestimmten Wahrscheinlichkeit berücksichtigen, die die Wachstumsrichtung der Prozesse beeinflusst, und bilden dann Synapsen an den Kontaktpunkten zwischen Dendriten und Axonen verschiedener Zellen. Im Endeffekt kann das Modell aktiviert werden und zeigt eine Aktivität ähnlich der Aktivität des Nervensystems der lebenden Kaulquappe in dem Teil, der für das Schwimmen verantwortlich ist.

Es stellt sich heraus, dass die Nervenzellen ziemlich einfache Anweisungen befolgen müssen, damit sich das Nervensystem mit allen angeborenen Reflexen und Mechanismen bilden kann. Abhängig von ihrer Position und Zugehörigkeit zu bestimmten Zellclustern - den Ganglien - muss die Zelle ihre Dendriten und Axone in bestimmte Richtungen wachsen lassen und synoptische Kontakte mit den Zellen und ihren Prozessen herstellen, die sich in bestimmten Abständen vom Zellkörper befinden. ohne Selektivität. Der resultierende Fehler in der Struktur des neuronalen Netzwerks aufgrund von Abweichungen in der Wachstumsrichtung der Prozesse bei der Überwindung möglicher Hindernisse wird durch das übermäßige Vorhandensein von Neuronen und Prozessen kompensiert.

Für das Schwimmen, die wellenförmige Kontraktion der Muskeln entlang des Körpers, benötigt die Kaulquappe ungefähr 1.500 Neuronen, für einen Nematoden weniger als dreihundert. Die Kaulquappe des Frosches ist im Vergleich zum Spulwurm ein komplexeres und evolutionär entwickeltes Tier, und die Zunahme der Anzahl der Neuronen hängt hier nicht mit der Notwendigkeit zusammen, die Rechenleistung zu erhöhen, sondern mit der Zuverlässigkeit des Systems und der Kompensation der Ungenauigkeit der Neuronen als Rechenelemente. Einige Forscher führen die Eigenschaften von Quantencomputern oder hoch entwickelten Taschenrechnern auf einzelne Neuronen zurück, aber dies ist grundsätzlich falsch. Ein Neuron ist in erster Linie eine biologische Zelle mit einem inhärenten Fehler in der Arbeit und Instabilität. Daher ist es nicht sinnvoll, Zeit mit der Rekonstruktion aller 86 Milliarden Neuronen des menschlichen Gehirns zu verbringen. Es wäre angebracht, Neuronen strukturell in bestimmte Neuroelemente zu packen, die funktionelle Aufgaben ausführen, die Gruppen von Neuronen zugewiesen sind.

Die Hauptsache ist der richtige Ansatz

Sie können viel Zeit, Geld und Mühe in die Erstellung komplexer Modelle komplexer Systeme investieren, ohne praktisch aussagekräftige Ergebnisse zu erzielen, wenn nicht die Grundlage für eine genaue Vorstellung von der Funktionsweise der einzelnen Elemente des Systems und den Funktionen dieser Elemente innerhalb des gesamten Systems als Ganzes gelegt wird. Idealerweise müssen Sie das Ergebnis des Modells kennen, bevor Sie mit der Neuerstellung beginnen. Dies bestimmt den Erfolg bei der Lösung von Aufgaben und nicht das Vorhandensein eines Supercomputers und eine große finanzielle Unterstützung.

Jetzt wird viel Aufmerksamkeit auf neuronale Netze gelegt, die eine hohe Effizienz und große praktische Vorteile aufweisen. Ursprünglich wurden neuronale Netze als bestimmte Modelle biologischer neuronaler Netze positioniert, aber im Laufe der Zeit und der Entwicklung der Neurobiologie wurde klar, dass nur der Name eine Gemeinsamkeit zwischen dem in der NS verwendeten formalen Neuron und dem biologischen hat. Moderne neuronale Netze sind ein leistungsfähiges mathematisches Werkzeug für statistische Analysen. Es ist diese Positionierung der NS in ihrer Entwicklung, die zu mehr Effizienz führt. Statistische Analyse und Verarbeitung einer großen Datenmenge, kein Modell des Nervensystems. Es ist möglich, dass irgendeine Art von künstlicher Intelligenz auf der NS-Plattform erscheint, aber wenn wir uns bemühen, menschenähnliche Intelligenz zu schaffen, sollten wir auf biologische neuronale Netze achten.

Neuronale Netze haben bereits ihre große Wirksamkeit bei der Lösung bestimmter Probleme im Vergleich zum Menschen bewiesen, und es ist wünschenswert, dass ihre Entwicklung fortgesetzt wird. Als Gehirnforscher hätte ich mich mehr auf eine Maschine verlassen, die von einem gut entwickelten neuronalen Netzwerk angetrieben wird, als auf eine Maschine, die von einem virtuellen Modell von Nervengewebe angetrieben wird, das dem biologischen ähnlich ist. Tatsache ist, dass die Mechanismen des Gehirns anfänglich Elemente von Ungenauigkeit und eingeschränkter Wahrnehmung enthalten, die natürlich zu Fehlern führen. Andererseits bieten dieselben Mechanismen ein großes Potenzial für Kreativität und Anpassung.

Das vorherrschende mathematische Modell, das bei der Schaffung biologisch ähnlicher neuronaler Systeme verwendet wird, ist das Hodgkin-Huxley-Modell, das bereits 1952 beschrieben wurde. Auf die eine oder andere Weise wird dieses Modell sowohl im Human Brain Project als auch in OpenWorm und in tadpoles.org.uk verwendet. Das Hodgkin-Huxley-Modell ist ein Gleichungssystem, das Ladungsschwingungen beschreibt, die auf der Oberfläche einer Neuronenmembran auftreten. Das Gleichungssystem wurde aus der Elektrotechnik übernommen und hinsichtlich der Beschreibung von Selbstschwingungen in einem elektrischen Schwingkreis angepasst. Alan Lloyd Hodgkin und Andrew Huxley fügten dem Gleichungssystem einige zusätzliche Elemente und eine Reihe von Koeffizienten hinzu und wählten sie so aus, dass das Ergebnis ihrer Arbeit mit den experimentellen Daten verglichen wurde, die sie bei der Untersuchung von Tintenfischaxonen erhalten hatten.



Das Hodgkin-Huxley-Gleichungssystem beschreibt eine Änderung des Potentials an nur einem Punkt der Membran. Um ein Bild der Ausbreitung der Anregung über die Membran und der Prozesse eines Neurons zu erhalten, können Sie das Neuronenmodell in einige Grundelemente aufteilen oder äquidistante Punkte darauf auswählen und das Gleichungssystem an jedem dieser Punkte betrachten. Das Hodgkin-Huxley-Modell ist sehr realistisch und zeigt die Verteilung des Aktionspotentials auf den Standkörper. Das Modell erfordert jedoch große Rechenressourcen.

In meiner Arbeit führe ich eine Art Reengineering des Nervensystems durch, hebe das Wesentliche hervor und verwerfe oder vereinfache bestimmte damit verbundene Prozesse und Phänomene. Die Natur des Nervensystems und der Nervenzellen ist sehr vielfältig und komplex, es gibt viele chemische Reaktionen, intrazelluläre Prozesse und Phänomene, aber Sie sollten nicht alles auf das Modell übertragen, Sie müssen zuerst die Bedeutung und den funktionalen Zweck des Phänomens verstehen, sonst wird es eine bedeutungslose Komplikation des Modells sein.

Welche funktionelle Bedeutung hat die Ausbreitung des Aktionspotentials entlang der Membran eines Neurons? - Übertragung von Informationen von einem Teil einer Nervenzelle zu einem anderen. Die Information, dass eine Nervenzelle durch Rezeptoren oder Synapsen aktiviert wurde, sollte an die Enden des Axons gelangen und dessen gesamte Länge überwinden, die bis zu einem Meter im menschlichen Körper reichen kann. Was ist in diesem Prozess wichtig? - Die Zeit vom Beginn der Aktivierung bis zur Übertragung von Informationen darüber in den Zielbereich des Nervengewebes. Im Durchschnitt beträgt die Ausbreitungsgeschwindigkeit des Aktionspotentials 1 m / s, sie hängt von verschiedenen Faktoren ab, beispielsweise vom Grad der Axonmyelinisierung. Dementsprechend kann unter verschiedenen Bedingungen die Verzögerungszeit unterschiedlich sein. Das Hodgkin-Huxley-Modell simuliert sehr realistisch den Prozess der Ausbreitung eines Nervenimpulses entlang einer Membran.Aber sind solche Details notwendig, um ein Funktionsmodell des Nervensystems zu erstellen?

Wenn wir etwas vereinfachen können, bedeutet das, dass wir etwas verstehen. Die Idee der Vereinfachung auf einfache Gesetze und Funktionen, die Zuordnung des Hauptteils und seine Trennung vom Sekundärteil kann als funktionaler Ansatz bezeichnet werden.



Wenn Sie versuchen, das menschliche Gehirn mit allen 86 Milliarden Neuronen zu simulieren, die Topologie der Prozesse zu wiederholen und sogar das Hodgkin-Huxley-Gleichungssystem in einem dichten Punktgitter auf der Oberfläche von Neuronen falsch zu berechnen, reichen nicht alle Rechenressourcen auf dem Planeten Erde aus. Wenn Sie Vorhersagen über das Erscheinungsbild solcher Modelle treffen, können Sie sich auf zwanzig Jahre im Voraus und nach diesen Jahren auf weitere zwanzig Jahre konzentrieren. Nun, die Ausbreitung des Aktionspotentials ist nicht alles. Sie müssen noch die Logik der Interaktion von Neuronen verstehen, um dieses Problem zu lösen. Zunächst konzentrierte ich mich auf ziemlich einfache Nervensysteme wie das Nervensystem eines Wurms oder die Kaulquappe eines Frosches.

Entwicklung

Sie erwarten nicht, dass die Verwendung der Spiel-Engine in wissenschaftlichen Modellen in der Öffentlichkeit ein Gefühl der Wachsamkeit hervorrufen kann? - Eine ähnliche Frage wurde mir von einem wunderbaren Internetnutzer gestellt. Ja, ich habe auf kein Standardisierungssystem zurückgegriffen, ich habe die Sprachen nicht zur Beschreibung biologischer Strukturen verwendet, nur aus dem Grund, dass das Studium des Begleitmaterials viel Zeit erfordert. Ich bin kein Wissenschaftler, sondern ein gewöhnlicher Knall mit einem dynamischen und geschäftigen Leben, aber mit vielen Ideen, Kreativität und dem Wunsch nach Umsetzung. Daher wird die Zeit zwischen Familienleben, Arbeit und Schlaf der Modellierung mit den verfügbaren Mitteln gegeben. Die Unity-Game-Engine ist nur ein Werkzeug in meiner Arbeit und in Bezug auf die Visualisierung sehr gut und praktisch.

Das gesamte OPENTadpole-Projekt besteht nur aus zwei Szenen: einem Verbindungseditor und einer Simulation der Umgebung. Während des Entwicklungsprozesses gab es keine ernsthaften Probleme mit dem Editor, da bereits Erfahrungen mit der vorherigen Version des Nervensystem-Simulators gesammelt wurden .


Die Hauptaufgabe in dieser Phase war die Trennung der Implementierung der Logik neuronaler Elemente und der Visualisierung, die implementiert wurde.

In der nächsten Phase arbeitete ich an einem Simulator der Umgebung und implementierte schnell den Kaulquappenkörper aus den Standardkomponenten von Unity. Der Körper der Kaulquappe besteht aus 9 Segmenten, die durch Gelenke miteinander verbunden sind, einigen virtuellen kinematischen Paaren und einem Paar virtueller Muskeln auf beiden Seiten. Virtuelle Muskeln haben eine gewisse Elastizität, die dem gesamten Körper Elastizität verleiht.



Die Muskelfunktion war dem virtuellen Nervensystem untergeordnet, das über Sicherungsdateien geladen wird, die für den Editor und zur Simulation der Umgebung üblich sind.


Für die weitere Entwicklung musste ein System hinzugefügt werden, das die physikalischen Eigenschaften des Mediums simuliert, was für mich keine leichte Aufgabe war. Irgendwann bedauerte ich sogar, dass Wasservögel als Modelltiere ausgewählt wurden. Der große Vorteil der Verwendung einer sehr beliebten Spiel-Engine besteht natürlich darin, dass viele Add-Ons, Bibliotheken und Assets dafür erstellt und entwickelt wurden. Ich habe versucht, mit mehreren Bibliotheken zu arbeiten, aber LiquidPhysics2D hat sich als das Beste herausgestellt. Es gibt keinen offiziellen Link zur Bibliothek, die Website der Entwicklungsfirma funktioniert nicht mehr, aber Sie können sie finden, wenn Sie möchten, google, um zu helfen. Diese Bibliothek basiert auf der bekannten Box2D-Engine und ist mit vielen Beispielen sehr optimiert und einfach zu bedienen. Ich habe es also geschafft, sie zu verwenden, obwohl ich viel Ausdauer aufbringen musste.Es war notwendig, den Körper der Kaulquappe unter Verwendung der Bibliothekselemente zu wiederholen.


Die Echtzeitberechnung der physikalischen Eigenschaften einer Flüssigkeit erfordert eine hohe Rechenleistung. Daher kann selbst unter Verwendung einer gut optimierten Bibliothek ein stabiler Betrieb der Anwendung erzielt werden, indem man sich auf einige tausend Partikel beschränkt.

Ich wollte eine frei schwebende Kaulquappe auf einer ziemlich großen Fläche sehen, ein stark begrenzter Raum würde es mir nicht ermöglichen, das Modell vollständig zu schätzen. Es wurde beschlossen, Partikel im Bereich der umgebenden Kaulquappe dynamisch zu erzeugen und zu entfernen. Es war notwendig, den Raum in spezielle quadratische Bereiche zu unterteilen und das Auftreten und Entfernen von Partikeln in diesen Bereichen in Abhängigkeit von der Position der Kaulquappe zu regulieren.


Um zu verhindern, dass der Benutzer von den tanzenden Quadraten in Verlegenheit gebracht wird, war die Sichtbarkeit der Partikel eingeschränkt, was zu einer Art Aura führte, die Partikel um den Kaulquappenkörper herum anzeigt, die durch Drücken von F12 ausgeschaltet werden können.

Ergebnis

Ziel solcher Projekte ist es, einige allgemeine Regeln für die Organisation des Nervensystems und die Interaktionsgesetze von Neuronen zu identifizieren, die das Verhalten des Tieres bestimmen. Das diesbezügliche OPENTadpole-Projekt kann als vollständig abgeschlossen bezeichnet werden. Jeder kann sich in der Rolle des Schöpfers versuchen und den leeren Körper der virtuellen Kaulquappe von Grund auf mit dem Nervensystem füllen, sodass er sich aktiv im Raum bewegen und mit der Umwelt interagieren und in seiner strengen und begrenzten Welt leben kann. Während der Entwicklung erhielt ich viele positive Emotionen, als ich sah, wie meine Handlungen das Verhalten der Kaulquappe lebendiger machen.

Das Archiv mit der Anwendung enthält eine ausgezeichnete, farbenfrohe Anleitung, die die Hauptaspekte des Programms beschreibt, sowie eine Reihe von Speicherbeispielen, die Ihnen helfen, die Prinzipien des Nervensystems zu verstehen (Link am Ende des Artikels). Das Modell basiert auf denselben Prinzipien, über die ich in meinen früheren Veröffentlichungen ( Teil 1 , Teil 2 ) gesprochen habe, und es gab keine Spekulationen über die elektromagnetische Wechselwirkung von Neuronen, nur die, über die große Köpfe geschrieben und Nobelpreise erhalten haben. Alles im Rahmen der wissenschaftlichen Lehre, aber in einer neuen prägnanten Form verkörpert, kann als Lehrmittel verwendet werden.

Schwimmen

Die für das Schwimmen verantwortliche Nervenkette basiert auf einem geordneten Aktivitätsgenerator. Solche Generatoren kommen in allen Nervensystemen einfacher Tiere vor. Dies sind geschlossene Ketten von Neuronen, die ohne Rückkopplung rhythmische Erregung erzeugen können.



Das Schema des Generators der geordneten Aktivität der Kaulquappe des Frosches wird durch vier Neuronen dargestellt, die sich symmetrisch im Körper der Kaulquappe befinden. Zwei Neuronen (dIN, violett) in diesem Schaltkreis haben ein spezifisches Merkmal, sie verlassen den Hemmungszustand und erzeugen einen Aktivitätsschub. Jedes dieser Neuronen aktiviert ein inhibitorisches (inhibitorisches) Neuron, das wiederum eine Kreuzwirkung auf das dIN-Neuron hat. Somit wird ein bestimmter Kreislauf der Zirkulation nervöser Erregung erhalten. Es ist möglich, diesen Generator mit einer einzigen Aktivierung eines der Generatorneuronen zu starten, und es ist möglich, den Generatorbetrieb zu stoppen, wenn die Aktivierung eines der Kettenneuronen durch eine stärkere Hemmwirkung verhindert wird.

Um Experimente im OPENTadpole-System durchzuführen, wurden 4 Rezeptorschlüssel F1, F2, F3 und F4 zugewiesen, in den Sicherungsbeispielen startet der Generator den Rezeptor F1, die Aktivität darin wurde durch F2 unterdrückt.

Die Aktivität des Generators ist abwechselnd auf der rechten und linken Seite entlang des Kaulquappenkörpers auf jedes Motoneuron verteilt, beginnend vom Kopf bis zur Schwanzspitze. Die Erregung erfolgt mit einer Verzögerung von 100 Millisekunden. Dies ist darauf zurückzuführen, dass die Ausbreitung der Erregung eine endliche Geschwindigkeit hat. Die Ausbreitungsgeschwindigkeit der Anregung in verschiedenen Axonen kann variieren. Bei Axonen mit einem höheren Myelinisierungsgrad (einer dickeren Myelinschicht) ist die Geschwindigkeit höher. Zum Beispiel gibt es im Körper des Tintenfischs einige der größten Axone mit einem Durchmesser von fast 1 mm, die am schützenden Ausreißreflex beteiligt sind, wenn der Tintenfisch, der sich mit einem schnellen und starken Schwanzpilz von der möglichen Gefahr zurückzieht, vor einer möglichen Gefahr davonläuft, ist hier eine hohe Signalübertragungsrate erforderlich.

Es gibt viele ähnliche Generatoren im Nervensystem der biologischen Kaulquappe, sie befinden sich entlang des Körpers und sind in Reihe miteinander verbunden. Wenn es nur einen Generator im Nervensystem der Kaulquappe gäbe, würde dies ein großes Risiko darstellen. Eine Schädigung eines Neurons oder sogar einer Synapse aus diesem Kreislauf würde zum Verlust der Bewegungsfähigkeit führen. Für die Computersimulation gibt es keine derartigen Probleme, daher reicht ein Modell für das Modell aus.

Manöver

Die Kaulquappe hat die Fähigkeit, die Richtung ihres Schwimmens zu ändern und einige Manöver durchzuführen. Dazu ist es zum Zeitpunkt des Schwimmens erforderlich, dass sich die Muskeln auf der Seite, zu der sich die Kaulquappe drehen möchte, mehr oder intensiver zusammenziehen, während die gleiche Häufigkeit von Kontraktionen beibehalten wird.

Man kann sagen, dass die Signale im Nervensystem für alle Tiere diskret sind. Die Amplitude des Aktionspotentials ist immer und überall stabil, das Signal selbst hat einen kurzen, spitzenartigen Charakter, aber gleichzeitig können wir den Spannungsgrad in den Muskeln leicht ändern, ganz reibungslos und genau, alles wird durch die Häufigkeit der Befehle bestimmt, die an die Muskelgruppen gesendet werden. Je öfter die Impulse, desto stärker die Muskelkontraktion. Durch die Steuerung der Häufigkeit der Aktivierung von Impulsen steuert das Nervensystem die Muskelgruppen und ist flexibel genug.

Ein einfacher Mechanismus der zeitlichen Summierung eines Neurons macht es einfach, die Frequenz von Impulsen durch Ändern der Schwelle des Addierers zu steuern. Der Summationsschwellenwert in einem biologischen Neuron wird durch seine allgemeine Konfiguration, Neuronengröße, Anzahl und Dichte der Rezeptoren auf der postsynaptischen Membran, Anzahl und Dichte der Ionenkanäle auf der Membran im Allgemeinen aus dem Nervenzellstoffwechsel bestimmt. Und all diese Parameter können sich in einer lebenden Zelle unter dem Einfluss eines modulierenden Effekts aktiv ändern.

Wir sind seit langem daran gewöhnt, dass sie bei der Beschreibung der Arbeit des Nervensystems nur von zwei Arten synaptischer Effekte sprechen: stimulierend und hemmend. Tatsächlich ist dies jedoch eine fatale Ungenauigkeit, die das Verständnis der Prinzipien des Nervensystems verzerrt. In seiner Arbeit beschrieb der amerikanische Wissenschaftler Neurowissenschaftler Eric Kandel den molekularen Mechanismus der synaptischen Exposition, der zu metabolischen Veränderungen in der Zelle und der Synapse führt, für die er im Jahr 2000 den Nobelpreis erhielt. Modulierende Neuronen und Modulationsmechanismen werden seit langem bei der Beschreibung der Prinzipien des Nervensystems verwendet, da diese Mechanismen bei seiner Arbeit eine bedeutende Rolle spielen.

Das Modell unterscheidet eine separate Art der synaptischen Verbindung, die für einen bestimmten Zeitraum den Schwellenwert des Addierers beeinflussen kann - die modulierende Synapse. Wenn Sie modulieren, senken Sie die Addiererschwelle für ein interkaliertes moduliertes Neuron (im folgenden Schema grün). Dies erhöht die Empfindlichkeit und erzeugt bei Aktivierung nicht nur eine Spitze, sondern eine ganze Reihe von Impulsen. Durch die Transformation des Signals vom Generator ist es also möglich, Manöver und Drehungen beim Schwimmen durchzuführen. Wenn auf diese Weise die Neuronen auf beiden Seiten gleichzeitig moduliert werden, schwimmt die Kaulquappe einfach aktiver vorwärts.



Das Thema Modulation im Nervensystem ist sehr umfangreich, obwohl ich mich in diesem Modell darauf beschränke, das Niveau der Aktivierungsschwelle zu steuern. Angesichts der Veränderungen, die dynamisch im Nervensystem auftreten können, kann gesagt werden, dass die Modulation sehr unterschiedlich sein kann, einschließlich Veränderungen der Stärke der Synapsen, Veränderungen der Plastizität, des Suchtgrades, der Zeit der synoptischen Verzögerung und der metabolischen Eigenschaften der Zelle.

Die Steuerung mit modulierenden Synapsen sowie die Steuerung des Generatorbetriebs ermöglichten die Implementierung einiger Schutzreflexe, z. B. das Schwimmen, wenn die Kaulquappe den Kopf berührt, und das Abweichen in die entgegengesetzte Richtung vom Kontakt, wodurch die Kaulquappe frei im virtuellen Aquarium schwimmen und von ihren Wänden segeln kann.

Wo segeln?

Die Kaulquappe lernte schwimmen und kann frei eine Richtung wählen, aber um diese Richtung zu wählen, braucht er ein Ziel, und ein solches Ziel ist gerechtfertigt, vielleicht Essen. Um Lebensmittel zu erkennen, verfügt die Kaulquappe über zwei spezielle Geruchsrezeptoren, die durch eine spezielle Linie, die „Nasenbrücke“, getrennt sind, durch die der Rezeptor das Vorhandensein von Lebensmitteln nicht erkennen kann. Je näher das Essen ist, desto häufiger wird der Rezeptor unter Berücksichtigung des Quadrats der Entfernung aktiviert.



Natürlich ist ein solches Geruchsmodell eine starke Vereinfachung, aber im Rahmen der Simulation ist es durchaus akzeptabel.

In den Beispielen durchlaufen Signale von zwei Rezeptoren zuerst eine Kette von Neuronen, in denen eine gegenseitige Unterdrückung auftritt, und üben dann eine modulierende Wirkung auf Motoneuronen aus, wodurch die Bewegung der Kaulquappe gesteuert wird.

Bedürfnisse

Ich wollte, dass das Verhalten der Kaulquappe etwas komplexer ist als nur dem Essen zu folgen, deshalb wurde beschlossen, die Mechanismen der Bedürfnisse zu simulieren. Erstens ist dies das Bedürfnis nach Nahrung, Hunger ist ein natürlicher Wunsch, die Energiequelle zu verbrauchen, die für die Bewegung und Entwicklung des Körpers notwendig ist. Und natürlich sollte der Hunger einen anderen Grad haben. Wenn das Tier voll ist, sollte das Futter für ihn nicht von großem Interesse sein. Zweitens nicht weniger grundlegendes Bedürfnis nach Energieeinsparung, das sehr früh evolutionär geboren wurde und für das Verhalten aller Tiere von zentraler Bedeutung ist. Faulheit ist in unser Wesen eingewoben. Dies ermöglicht es uns, unser Verhalten in Bezug auf den Energieverbrauch zu optimieren. Wer das Ergebnis mit weniger Verschwendung von Energieressourcen erzielt, ist erfolgreicher.

Um diese beiden Bedürfnisse zu realisieren, wurden zwei spezielle Rezeptoren eingeführt: Je höher der Bedarf, desto häufiger werden sie aktiviert. Der Sättigungsgrad nimmt mit der Zeit ab, die Rate dieser Abnahme ist vom Benutzer einstellbar und das Gefühl der Müdigkeit baut sich in Abhängigkeit von der Intensität der Muskelkontraktionen auf.



In den Erhaltungsbeispielen kann man einen gewissen Wettbewerb zwischen diesen beiden Bedürfnissen beobachten: Müdigkeit kann nicht durch starken Hunger unterdrückt werden, aber starker Hunger ist stärker als selbst starke Müdigkeit.

Jetzt ist das Verhalten der Kaulquappe noch lebhafter geworden, es hängt von inneren Motiven und Wünschen ab:

Schlussfolgerungen

Die Kaulquappe schwimmt und frisst und vieles mehr: Sie reagiert auf Licht, berührt, wenn Sie es am Kopf packen, versuchen auszubrechen (wie im Simulator angegeben), nach Nahrung zu suchen und sie zu finden, leiden unter Hunger und Müdigkeit und all dies unter der Kontrolle virtueller Neuronen .

Die komplexeste Kaulquappe hat 63 Neuronen und 131 synaptische Verbindungen, ich erinnere mich, dass Caenorhabditis elegans 302 Neuronen hat und die biologische Kaulquappe nur für normales Schwimmen 1.500 Neuronen benötigt. Je weiter das Tier entwickelt ist, desto höher ist die Redundanz der Neuronen bei der Lösung von Problemen, was auf evolutionäre Prozesse und die Notwendigkeit der Zuverlässigkeit des Systems zurückzuführen ist. Es ist immer noch schwierig, die Redundanz von Neuronen in Bezug auf das menschliche Gehirn zu beurteilen, aber meiner Meinung nach ist es nicht erforderlich, ein Computermodell in der Nähe des menschlichen Gehirns, Quantencomputers oder Mainframes, einen ausreichend leistungsfähigen Heimcomputer, zu implementieren. Dies ist eine sehr kühne Aussage, zum einen entgegen der Meinung vieler Experten zu diesem Thema und zum anderen, um den Warzenhof der Superkomplexität aus dieser Aufgabe zu entfernen, ohne den es schwierig ist, fabelhafte Investitionen von Investoren auszuschalten. Die Hauptsache ist jetzt nicht die Rechenleistung, sondern die Entwicklung der richtigen Technologie und Ansätze.

Zukunftspläne

OPENTadpole ist eine kleine Phase auf einem langen Weg zur Entwicklung eines Werkzeugs zur Modellierung komplexer Nervensysteme, das meiner Meinung nach erfolgreich abgeschlossen wurde.

Die nächste Aufgabe: Erstellen eines Modells, das wie Haustiere zwischen einfachen Sprachbefehlen unterscheiden kann, um sie auch zu lernen und gegebenenfalls neu zu trainieren, wobei der Kontext des Teams verstanden wird. Während ich arbeite, werde ich versuchen, meine Erkenntnisse mit GT-Lesern zu teilen.

OPENTadpole Dowland für Windows

Quellcode