Le tabac de berce du Caucase, un organisme modèle pour l'étude du cerveau animalMalgré toutes les avancées de l'apprentissage automatique et des réseaux de neurones, les principes des systèmes informatiques diffèrent sensiblement du travail des systèmes biologiques. Les scientifiques ne comprennent toujours pas les mécanismes biomécaniques fondamentaux qui sous-tendent la formation fiable et rapide des réseaux neuronaux biologiques. Par conséquent, ils continuent à faire l'objet d'une enquête approfondie.
L'un des objets les plus appropriés pour de telles études est le système olfactif des insectes. En particulier, le système olfactif des papillons (par exemple, caddis,
Manduca sexta ) est un réseau neuronal biologique relativement simple qui démontre la capacité d'apprentissage. Par conséquent, un papillon est un organisme modèle idéal pour comprendre la mécanique de l'apprentissage d'un réseau neuronal.
Au cours des années précédentes, les scientifiques ont enregistré des signaux neuronaux dans les composants individuels du cerveau d'un faucon. Ces composants ont une structure et des mécanismes standard pour les systèmes biologiques:
- l'utilisation de neuromodulateurs (octopamine et dopamine) pour l'entraînement cérébral - à propos, chez l'homme, ils sont également importants pour les émotions, la régulation de l'humeur et d'autres fonctions mentales;
- structure de réseau en cascade;
- des changements importants dans la dimension (par exemple, dans le nombre de neurones) entre les réseaux;
- codage clairsemé de données dans des réseaux multidimensionnels (codage clairsemé);
- communications aléatoires;
- la présence d'un signal bruyant .
La présence même dans le système biologique de certains éléments obscurs et à première vue inutiles (comme l'ADN «indésirable» notoire) joue en fait un rôle important dans le fonctionnement de l'ensemble du système. Nous ne comprenons tout simplement pas pourquoi tel ou tel élément est spécifiquement nécessaire. La libération d'octopamine / dopamine pendant l'entraînement est particulièrement intéressante. On ne sait pas encore comment une telle stimulation contribue à la création de nouveaux codes clairsemés dans le corps champignon du cerveau. Le corps du champignon contient environ 4 000 cellules de Kenyon qui codent les odeurs à enregistrer dans la mémoire à long terme du papillon.
Pour mieux comprendre le travail des réseaux de neurones biologiques, des scientifiques de l'Université de Washington à Seattle ont construit un modèle de calcul du système olfactif de l'aubépine de tabac, qui est aussi proche que possible des enregistrements de la neuroactivité de son cerveau et de tous les processus biophysiques connus qui s'y produisent, y compris la stimulation à l'octopamine.
Des modèles informatiques du réseau neuronal du corps de champignon (MB) du cerveau d'insecte ont été créés plus tôt, mais maintenant les chercheurs se sont concentrés sur l'étude du rôle de l'octopamine dans le processus d'apprentissage associatif, ainsi que la relation du corps de champignon au département du lobe d'antenne (AL). Pour ce faire, l'architecture et la dynamique neuronale de l'ensemble du système ont été simulées, y compris la stimulation de l'octopamine, la croissance des synapses, la perception des odeurs dans l'AL et la lecture des neurones dans un flux d'informations descendant.
Le schéma de travail des départements AL et MB dans le cerveau d'un organisme modèle. 30000 capteurs chimiques dans le système olfactif du papillon (RN) excitent un réseau de préamplificateurs bruyant (AL), qui transmet un signal à la couche de mémoire éparse en plastique du corps de champignon (MB), qui excite les neurones d'action, qui interprètent les signaux du corps de champignon comme des actions spécifiques, par exemple, "voler vers le haut". Les lignes vertes correspondent aux liaisons excitatrices et les lignes rouges correspondent aux composés inhibiteursLes auteurs ont réussi à construire un modèle informatique du réseau neuronal, qui a démontré la capacité d'un entraînement fiable, tout en possédant des similitudes importantes avec le système biologique réel. Un modèle informatique a identifié des fonctions critiques dans le cerveau d'un papillon - et leur impact sur le processus d'apprentissage.
Ces travaux scientifiques permettront à l'avenir de décrire mathématiquement ces fonctions et de les appliquer dans le développement d'un cadre pour des réseaux de neurones informatiques plus efficaces avec une formation fiable et rapide. Systèmes d'apprentissage machine biomédical.
Les scientifiques sont convaincus que les mécanismes révélés des réseaux en cascade, de la rareté et de la plasticité du hebb compléteront bien les principes originaux des réseaux de neurones, formulés pour la première fois en 1962 dans les
travaux Nobel de Hubel et Wiesel , qui décrivaient la structure hiérarchique du traitement des signaux visuels dans le cerveau des chats. Sur la base de ces travaux, en 1980, le premier modèle mathématique du monde du réseau neuronal Neocognitron a été créé, qui est devenu à bien des égards un modèle pour les réseaux neuronaux profonds modernes. Cependant, de nombreux systèmes fonctionnels dans le travail du cerveau vivant n'ont pas été pris en compte dans ce travail. Une étude de l'aubépine de tabac a révélé et simulé mathématiquement ces éléments - les éléments manquants des systèmes informatiques d'IA.
L'article scientifique a été
publié le 8 février 2018 sur le site de préimpression arXiv.org.