Mengapa otak seorang penghancur tembakau lebih efektif dilatih daripada jaringan saraf komputer

Tembakau Hogweed, model organisme untuk mempelajari otak hewan

Terlepas dari semua kemajuan dalam pembelajaran mesin dan jaringan saraf, prinsip-prinsip sistem komputer sangat berbeda dari pekerjaan sistem biologis. Para ilmuwan masih belum memahami mekanisme biomekanis dasar yang mendasari pelatihan jaringan saraf biologis yang andal dan cepat. Karena itu, mereka terus diselidiki secara menyeluruh.

Salah satu objek yang paling cocok untuk penelitian tersebut adalah sistem penciuman serangga. Secara khusus, sistem penciuman kupu-kupu (misalnya, caddis, Manduca sexta ) adalah jaringan saraf biologis yang relatif sederhana yang menunjukkan kemampuan belajar. Oleh karena itu, kupu-kupu adalah organisme model yang ideal untuk memahami mekanisme pembelajaran jaringan saraf.

Pada tahun-tahun sebelumnya, para ilmuwan merekam sinyal saraf dalam komponen individu otak elang. Komponen-komponen ini memiliki struktur dan mekanisme yang standar untuk sistem biologis:

• penggunaan neuromodulator (gurita dan dopamin) untuk pelatihan otak - omong-omong, pada manusia mereka juga penting untuk emosi, pengaturan suasana hati dan fungsi mental lainnya;
• struktur jaringan kaskade;
• perubahan signifikan dalam dimensi (misalnya, dalam jumlah neuron) antara jaringan;
• pengkodean data yang jarang dalam jaringan multidimensi (pengkodean jarang);
• komunikasi acak;
• kehadiran sinyal yang bising .

Kehadiran dalam sistem biologis beberapa unsur yang tidak jelas dan pada pandangan pertama tidak perlu (seperti DNA "sampah" yang terkenal) sebenarnya memainkan peran penting dalam berfungsinya seluruh sistem. Kami hanya belum mengerti mengapa elemen ini atau itu sangat dibutuhkan. Yang menarik adalah pelepasan octopamine / dopamine selama pelatihan. Belum jelas bagaimana stimulasi seperti itu berkontribusi pada pembuatan kode baru yang jarang di tubuh jamur otak. Tubuh jamur mengandung sekitar 4.000 sel Kenyon yang menyandikan bau untuk direkam dalam memori jangka panjang kupu-kupu.

Untuk lebih memahami pekerjaan jaringan saraf biologis, para ilmuwan dari University of Washington di Seattle telah membangun model komputasi sistem penciuman dari hawthorn tembakau, yang sedekat mungkin dengan catatan neuroaktivitas otaknya dan semua proses biofisik yang diketahui terjadi di sana, termasuk stimulasi octopamine.

Model komputasi dari jaringan saraf dari tubuh jamur (MB) dari otak serangga diciptakan sebelumnya, tetapi sekarang para peneliti telah fokus pada mempelajari peran gurita dalam proses pembelajaran asosiatif, serta hubungan tubuh jamur dengan antena lobus (AL) departemen. Untuk melakukan ini, arsitektur dan dinamika saraf dari seluruh sistem disimulasikan, termasuk stimulasi gurita, pertumbuhan sinaps, persepsi bau pada AL dan pembacaan neuron dalam aliran informasi yang menurun.


Skema kerja departemen AL dan MB di otak organisme model. 30.000 sensor kimia dalam sistem penciuman kupu-kupu (RN) membangkitkan jaringan preamplifier berisik (AL), yang mentransmisikan sinyal ke lapisan memori plastik tipis dari tubuh jamur (MB), yang menggairahkan neuron aksi, yang menginterpretasikan sinyal dari tubuh jamur sebagai tindakan spesifik, misalnya, "terbang." Garis hijau berhubungan dengan ikatan rangsang, dan garis merah berhubungan dengan senyawa penghambat

Para penulis berhasil membangun model komputer dari jaringan saraf, yang menunjukkan kemampuan pelatihan yang andal, sementara pada saat yang sama memiliki kemiripan yang signifikan dengan sistem biologis yang sebenarnya. Model komputer telah mengidentifikasi fungsi-fungsi penting di otak seekor ngengat - dan dampaknya terhadap proses pembelajaran.

Karya ilmiah ini akan memungkinkan di masa depan untuk menjelaskan fungsi-fungsi ini secara matematis dan menerapkannya dalam pengembangan kerangka kerja untuk jaringan saraf komputer yang lebih efisien dengan pelatihan yang andal dan cepat. Sistem pembelajaran mesin biomedis.

Para ilmuwan yakin bahwa mekanisme jaringan kaskade, sparseness dan plastisitas hebb yang terungkap akan melengkapi dengan baik prinsip-prinsip asli jaringan saraf, pertama kali dirumuskan pada tahun 1962 dalam karya Nobel Hubel dan Wiesel , yang menggambarkan struktur hierarki pemrosesan sinyal visual di otak kucing. Berdasarkan karya ini, pada tahun 1980 model matematika pertama di dunia dari jaringan saraf Neocognitron diciptakan, yang dalam banyak hal menjadi model untuk jaringan saraf modern yang mendalam. Namun, banyak sistem fungsional dalam pekerjaan otak yang hidup tidak diperhitungkan dalam pekerjaan ini. Sebuah studi tentang hawthorn tembakau mengungkapkan dan secara matematis mensimulasikan elemen-elemen ini - elemen yang hilang dari sistem komputer AI.

Artikel ilmiah ini diterbitkan pada 8 Februari 2018 di situs pracetak arXiv.org.