Tabaco de Hogweed, un organismo modelo para estudiar cerebros de animalesA pesar de todos los avances en el aprendizaje automático y las redes neuronales, los principios de los sistemas informáticos difieren notablemente del trabajo de los sistemas biológicos. Los científicos aún no entienden los mecanismos biomecánicos fundamentales que subyacen al entrenamiento confiable y rápido de las redes neuronales biológicas. Por lo tanto, continúan siendo investigados a fondo.
Uno de los objetos más adecuados para tales estudios es el sistema olfativo de los insectos. En particular, el sistema olfativo de las mariposas (por ejemplo, caddis,
Manduca sexta ) es una red neuronal biológica relativamente simple que demuestra la capacidad de aprendizaje. Por lo tanto, una mariposa es un organismo modelo ideal para comprender la mecánica del aprendizaje de una red neuronal.
En años anteriores, los científicos registraron señales neuronales en componentes individuales del cerebro de un halcón. Estos componentes tienen una estructura y mecanismos que son estándar para los sistemas biológicos:
- el uso de neuromoduladores (octopamina y dopamina) para entrenar el cerebro; por cierto, en humanos también son importantes para las emociones, la regulación del estado de ánimo y otras funciones mentales;
- estructura de red en cascada;
- cambios significativos en la dimensión (por ejemplo, en el número de neuronas) entre las redes;
- codificación dispersa de datos en redes multidimensionales (codificación dispersa);
- comunicaciones aleatorias;
- La presencia de una señal ruidosa .
La presencia en el sistema biológico de algunos elementos oscuros y a primera vista innecesarios (como el notorio ADN "basura") desempeña un papel importante en el funcionamiento de todo el sistema. Simplemente no entendemos por qué este o aquel elemento es específicamente necesario. De particular interés es la liberación de octopamina / dopamina durante el entrenamiento. Todavía no está claro cómo dicha estimulación contribuye a la creación de nuevos códigos dispersos en el cuerpo del hongo del cerebro. El cuerpo del hongo contiene aproximadamente 4.000 células de Kenyon que codifican olores para registrar en la memoria a largo plazo de la mariposa.
Para comprender mejor el trabajo de las redes neuronales biológicas, los científicos de la Universidad de Washington en Seattle han construido un modelo computacional del sistema olfativo del espino del tabaco, que está lo más cerca posible de los registros de la neuroactividad de su cerebro y todos los procesos biofísicos conocidos que ocurren allí, incluida la estimulación con octopamina.
Los modelos computacionales de la red neuronal del cuerpo del hongo (MB) del cerebro del insecto se crearon antes, pero ahora los investigadores se han centrado en estudiar el papel de la octopamina en el proceso de aprendizaje asociativo, así como la relación del cuerpo del hongo con el departamento del lóbulo de la antena (AL). Para hacer esto, se simuló la arquitectura y la dinámica neuronal de todo el sistema, incluida la estimulación de octopamina, el crecimiento de sinapsis, la percepción de olores en AL y la lectura de neuronas en un flujo descendente de información.
El esquema de trabajo de los departamentos AL y MB en el cerebro de un organismo modelo. 30,000 sensores químicos en el sistema olfativo de la mariposa (RN) excitan una ruidosa red de preamplificadores (AL), que transmite una señal a la capa de memoria dispersa de plástico del cuerpo del hongo (MB), que excita las neuronas de acción, que interpretan las señales del cuerpo del hongo como acciones específicas, por ejemplo, "volar". Las líneas verdes corresponden a enlaces excitatorios, y las líneas rojas corresponden a compuestos inhibidores.Los autores lograron construir un modelo de computadora de la red neuronal, que demostró la capacidad de un entrenamiento confiable, al tiempo que poseía similitudes significativas con el sistema biológico real. Un modelo de computadora ha identificado funciones críticas en el cerebro de una polilla, y su impacto en el proceso de aprendizaje.
Este trabajo científico permitirá en el futuro describir matemáticamente estas funciones y aplicarlas en el desarrollo de un marco para redes neuronales informáticas más eficientes con capacitación confiable y rápida. Sistemas biomédicos de aprendizaje automático.
Los científicos están seguros de que los mecanismos revelados de las redes en cascada, la escasez y la plasticidad hebb complementarán bien los principios originales de las redes neuronales, formulados por primera vez en 1962 en el
trabajo Nobel de Hubel y Wiesel , que describieron la estructura jerárquica de procesamiento de señales visuales en el cerebro de los gatos. Basado en este trabajo, en 1980 se creó el primer modelo matemático del mundo de la red neuronal Neocognitron, que en muchos aspectos se convirtió en un modelo para las redes neuronales profundas modernas. Sin embargo, muchos sistemas funcionales en el trabajo del cerebro vivo no se tuvieron en cuenta en este trabajo. Un estudio sobre el espino del tabaco reveló y simuló matemáticamente estos elementos: los elementos que faltan en los sistemas informáticos de IA.
El artículo científico fue
publicado el 8 de febrero de 2018 en el sitio de preimpresión arXiv.org.