Saya melihat Anda: pembelajaran mesin dan jaringan saraf tiruan dalam studi visi Drosophila

Tidak semua orang menyukai serangga. Mengapa bersembunyi, ada yang terus terang takut pada mereka. Tetapi ini tidak berarti bahwa tetangga kecil kita di planet ini semata-mata ada untuk mengejar orang-orang dengan fobia, terjebak di rambut mereka, sehingga mereka berteriak “Lepaskan aku! Hapus!". Setiap organisme hidup di planet ini memiliki keterampilan dan karakteristiknya yang luar biasa, terkadang unik. Jika kita berbicara tentang seseorang, maka di antaranya adalah gerakan pada dua anggota badan, ibu jari yang berlawanan, dll. Dengan mempelajari ciri-ciri seperti itu, para ilmuwan lebih memahami dunia kita dan makhluk-makhluk yang menghuninya. Juga, banyak penelitian dengan hewan atau serangga mendorong para ilmuwan untuk menemukan di daerah yang tidak terkait dengan biologi. Hari ini kita akan berbicara tentang penelitian yang karakter utamanya adalah makhluk yang memberikan banyak masalah di bulan-bulan musim panas - lalat buah Drosophila. Para ilmuwan memutuskan untuk menjawab pertanyaan - bagaimana Drosophila melihat dunia di sekitarnya? Dan itu akan jauh melampaui peralatan visual. Pembelajaran mesin, jaringan saraf tiruan - dan semua ini demi makhluk sekecil itu. Apa yang bisa diketahui para ilmuwan tentang bagaimana "lalat buatan" mereka bekerja dan diciptakan, dan apa gunanya penelitian sekilas yang aneh? Mari kita mencari jawaban dalam laporan para ilmuwan. Ayo pergi.

Entomologi

Sebelum menganalisis laporan, mari kenali karakter utama dengan lebih baik.



Buah Drosophila adalah serangga bersayap dua, yang ukurannya tidak melebihi 2,5 mm (pada wanita, jantan lebih kecil). Banyak dari kita yang akrab dengan serangga ini secara langsung. Musim panas akan datang, kami membeli buah-buahan dan sayuran, menempatkannya di suatu tempat dalam domain publik dan setelah beberapa saat perhatikan bagaimana makhluk kecil ini telah memilih pembelian kami. Jika Anda tidak mementingkan hal ini, maka dalam beberapa hari Anda akan memiliki seluruh pasukan di dapur, yang mampu menangkap negara kecil. Oke, ini hiperbola, tetapi sebenarnya ada banyak (saya tahu dari pengalaman saya sendiri). Untuk pengembangan Drosophila, banyak yang tidak diperlukan: lingkungan yang agak hangat dan kehadiran makanan, yang sering berfungsi sebagai tempat bertelur. Lalat buah memberi makan, sesuai namanya, dengan sayuran dan buah-buahan (di alam liar, getah pohon).

Siklus hidup Drosophila cukup standar: telur (24 jam) - larva (5 hari) - pupa (5 hari) - individu dewasa. Di bawah kondisi lingkungan yang paling menguntungkan (suhu 25 ° C) siklusnya memakan waktu sekitar 10 hari. Yaitu, ketika Anda membawa buah-buahan dari toko, dan dalam beberapa hari lalat muncul, Anda tahu - larva mereka (atau bahkan telur) sudah ada di produk. Jadi, cuci buah Anda sebelum makan.


Siklus ontogenesis lalat buah.

Seperti yang Anda lihat, siklus ontogenesis (berkembang dari telur ke dewasa) tidak memakan waktu yang singkat, tetapi Drosophila mengimbangi kemungkinan hilangnya keturunan selama periode ini dengan jumlah telur yang diletakkan. Sepanjang hidupnya, betina bertelur sekitar 400. Pada saat yang sama, ia siap berkembang biak 12 jam setelah akhir siklus ontogenesisnya.


Penelitian menunjukkan bahwa lalat buah dapat dengan cepat menyesuaikan posisi mereka di udara. Destabilisasi posisi dilakukan melalui pengaruh medan magnet pada pandangan depan.

Adalah benar untuk berasumsi bahwa para ilmuwan Drosophila menarik tidak hanya untuk ontogenesis, tetapi juga, seperti banyak serangga, untuk metode pergerakan dan penglihatan mereka. Sayap buah terbang sekitar 250 kilat per detik. Jika Anda merasa sulit untuk menilai seberapa banyak ini, lambaikan tangan Anda dan lihat berapa banyak gerakan yang Anda lakukan. Sebagai perbandingan, kolibri (spesies yang lebih kecil) menghasilkan sekitar 100 pukulan. Juga lalat buah telah menjadi objek yang sangat menarik bagi para ahli genetika. Fitur struktural yang unik dari genom Drosophila membuatnya menjadi percobaan ideal dalam studi penyakit manusia (Parkinson, Alzheimer). Drosophila juga membantu dalam meneliti sistem kekebalan tubuh manusia, kanker, diabetes dan banyak lagi.

Seperti yang Anda lihat, makhluk kecil yang mengganggu ini unik dengan caranya sendiri dan memiliki potensi besar bagi para peneliti.

Dasar studi

Terkadang Anda bertanya pada diri sendiri bagaimana dan mengapa para ilmuwan mengajukan pertanyaan tertentu, yang kadang-kadang mereka cari jawabannya. Tapi rasa ingin tahu yang umum dan keinginan untuk mengungkapkan beberapa rahasia, bahkan jika bukan yang paling suci, bahkan baik. Dalam kasus kami, para peneliti memutuskan untuk menentukan bagaimana lalat buah melihat dunia. Dan kita tidak berbicara tentang penglihatan, pertanyaan ini sudah menerima jawabannya. Kita berbicara tentang memahami apa yang dilihat Drosophila.

Penting juga mengingat bahwa mata Drosophila tidak setajam seperti yang terlihat pada pandangan pertama. Ya, matanya memiliki sekitar 850 ommatidia * , yang masing-masing memproses satu titik di ruang angkasa. Hal ini jauh dari sempurna. Misalnya, udang mantis memiliki sekitar 10.000 ommatidia di setiap mata. Jadi ungkapan "Saya bahkan dapat menemukan jerawat di tubuh seekor gajah" cukup berlaku di sini.


Bagaimana cara mata udang mantis yang unik bekerja?

Ommatidium * - bagian integral dari mata serangga, serta krustasea.

Para ilmuwan mencatat bahwa percobaan sebelumnya telah menunjukkan bahwa Drosophila mampu melihat objek pada 1,16˚ (sudut pandang ommatidia). Dengan demikian, jumlah ommatidia, dan bukan sudut pandang mereka, itulah faktor pembatas utama dalam penglihatan Drosophila. Pada saat yang sama, para ilmuwan percaya bahwa lalat buah dapat sepenuhnya mengambil tempatnya bersama dengan lebah madu yang bahkan dapat membedakan wajah orang. Masih mencari tahu apakah lalat mampu melakukan trik ini.


Hasil operasi DCN dalam berbagai batasan: a - 32x32 piksel, b - pada jarak 3 panjang tubuh Drosophila + sudut 4,8˚, c - pada jarak yang sama, tetapi sudut 1,5˚.

Dengan struktur mata Drosophila, para ilmuwan menentukan bahwa gambar yang mereka terima sekitar 29x29 piksel. Dan ini bukan 4K ultra-HD dan semua itu. Oleh karena itu, timbul pertanyaan - apakah ini cukup bagi Drosophila untuk menentukan apa atau siapa yang dia lihat di depannya?

Untuk ini, para ilmuwan menggunakan DCN * , di mana setiap sistem buatan, seperti Drosophila yang terpisah, harus mengumpulkan semua informasi yang diperlukan untuk mengidentifikasi apa yang disajikan di depannya.

DCN * - jaringan saraf convolutional berdasarkan pembelajaran yang mendalam.

Persiapan untuk eksperimen

Mata buatan (virtual, tentu saja) dibuat atas dasar perpustakaan jaringan saraf terbuka Keras dan terdiri dari 25.000 neuron buatan. Mata sesungguhnya dari seorang Drosophila yang sesungguhnya terhitung sekitar 60.000.


Jaringan saraf Drosophila (buatan dan nyata).

Gambar B menunjukkan model DCN yang diimplementasikan selama percobaan. Sebagai perbandingan, model jaringan Drosophila nyata ( C ) juga ditampilkan.

Untuk mempersiapkan model, diperlukan suatu basis data, yang akan berfungsi sebagai dasar untuk pelatihan jaringan saraf. Sumber pengetahuan ini, tentu saja, adalah Drosophila sendiri, ditempatkan dalam wadah dengan suhu 25 ° C dan siklus 12-12 hari-malam (yaitu, mereka berada di kegelapan dan di bawah cahaya selama 12 jam). Kemudian, setelah 1-4 jam, 10 perempuan dan 10 laki-laki dipilih, yang dibagi. Tiga hari kemudian, masing-masing individu ditempatkan dalam wadah individu (arena bundar akrilik dengan diameter 60 mm dan tinggi 2 mm). Di atas "arena" ini ditempatkan lampu LED biasa. Dalam 15 menit, pemotretan dilakukan menggunakan kamera GRAS-20S4M dengan frekuensi 16 frame / detik.


Kamera GRAS-20S4M-C.

Pembuatan film dilakukan tiga kali (1 survei per hari), sehingga, 14400 × 3 gambar per 1 lalat diperoleh.

Semua data untuk pembelajaran mesin di masa depan, seperti biasa, dibagi menjadi tiga kategori: pelatihan (pelatihan), tes dan tes. Para pelatih berjumlah 12.240 bingkai, yaitu, 75% awal data untuk 2 hari pertama pengambilan gambar. 2160 bingkai, 15% terakhir, menjadi yang uji. Tes menjadi data penembakan hari ketiga. Frame 181 × 181 awal juga diproses menggunakan dua metode: yang pertama - mereduksi menjadi 33 × 33, memusatkan pemangkasan menjadi 29 × 29 dan meningkatkan hasilnya menjadi 224 × 224, yang kedua - meningkatkan ukuran menjadi 256 × 256, berpusat pemangkasan menjadi 224 × 224.

Program GUI ditulis dalam MATLAB, yang mewakili pengamat dengan tiga sudut pandang lalat uji: dorsal, abdominal, dan lateral. Pengamat diberi tugas untuk memilih di antara gambar pengusir hama yang sesuai dengan individu ini.

Hasil penelitian


Tabel hasil percobaan.

Berbagai jenis arsitektur digunakan dalam percobaan, tetapi ResNet18 dengan indeks akurasi 0,94 ternyata yang paling efektif, tetapi penciptaan tim peneliti - mata buatan - juga menunjukkan hasil yang sangat mengesankan - 0,75. Para ilmuwan mencatat nuansa penting lainnya: pada hari ketiga percobaan di antara Drosophila, terjadi penurunan akurasi penentuan hingga 37%.

Para peneliti juga memutuskan untuk mengecualikan ukuran gambar sebagai parameter yang memungkinkan yang menyederhanakan definisi objek. Artinya, model mata tiruan harus menentukan objek dengan fitur-fiturnya, dan bukan oleh ukuran gambar itu sendiri. Oleh karena itu, semua gambar, baik pelatihan dan tes, diubah pada tingkat 25% dalam urutan acak tanpa mempertahankan proporsi.

Dalam versi tes ini, mata buatan masih menunjukkan hasil yang baik (sekitar 0,55), yang masih melebihi kinerja manusia. Yang lebih mengejutkan adalah kenyataan bahwa sistem yang dimodelkan hampir secara akurat membedakan antara wanita dan pria dengan akurasi 0,99.

Para ilmuwan tahu bahwa tes semacam itu akan sangat sulit bagi manusia, karena mereka tidak mengharapkan hasil yang tinggi, meskipun mereka mengundang orang yang terlibat dalam studi serangga dengan satu atau lain cara, yang meningkatkan peluang mereka untuk mengidentifikasi individu dalam pandangan pengalaman. Hasilnya, seperti yang telah disebutkan, lemah, tetapi memiliki perbedaan tertentu. Jadi, dengan gambar pada 29 × 29 piksel, akurasinya adalah 0,11, dan pada 181 × 181 - 0,13. Perbedaannya bukan kolosal, tetapi signifikan.

Untuk studi rinci tentang penelitian ini, saya sarankan merujuk pada laporan kelompok penelitian .

Epilog

Para peneliti mencatat bahwa sampai sekarang mekanisme persepsi lingkungan oleh Drosophila belum sepenuhnya dipelajari, tetapi sekarang dapat dengan yakin menyatakan bahwa data visual terlibat aktif dalam hal ini. Model mata buatan menunjukkan bahwa lalat ditentukan oleh orang lain, tidak hanya dalam ukuran, gerakan, jarak dari satu sama lain, tetapi juga detail-detail kecil individu.

Setiap model pembelajaran mesin mampu membedakan Drosophila dengan berbagai tingkat akurasi. Semuanya benar-benar identik dalam satu hal - mereka berkali-kali lebih baik daripada seseorang. Sementara para ilmuwan belum siap menjawab pertanyaan mengapa seseorang tidak dapat membedakan satu lalat dari lalat lainnya? Pertanyaan itu aneh pada pandangan pertama, tetapi bukan tanpa potensi penelitian. Definisi individual dari objek dinamis kecil, yang sekilas tampak sama persis, adalah kemampuan yang menarik. Namun, saat ini, keterampilan seseorang di bidang ini bervariasi dalam batas kesalahan.

Bagaimanapun, penggunaan teknologi komputer modern (jaringan saraf tiruan dan pembelajaran mesin) memungkinkan sekali dan untuk semua mengakhiri perdebatan antara para ilmuwan mengenai kemampuan Drosophila untuk menentukan objek (termasuk kerabat mereka) melalui rincian tertentu.

Kita manusia sama-sama sebagai wakil dari spesies yang sama, tetapi dalam penampilan sangat berbeda. Perbedaan-perbedaan ini cukup mencolok bagi kita, dan membantu membedakan satu orang dari orang lain. Dalam hal serangga, semuanya jauh lebih rumit. Drosophila tidak memiliki penglihatan super, seseorang bahkan dapat mengatakan bahwa ia akan menjadi salah satu serangga pertama dalam antrean dokter mata, tetapi ini tidak mencegahnya untuk melihat sesuatu yang bahkan orang tidak melihatnya.



Terima kasih telah tinggal bersama kami. Apakah Anda suka artikel kami? Ingin melihat materi yang lebih menarik? Dukung kami dengan melakukan pemesanan atau merekomendasikannya kepada teman-teman Anda, diskon 30% untuk pengguna Habr pada analog unik dari server entry-level yang kami temukan untuk Anda: Seluruh kebenaran tentang VPS (KVM) E5-2650 v4 (6 Cores) 10GB DDR4 240GB SSD 1Gbps dari $ 20 atau bagaimana membagi server? (opsi tersedia dengan RAID1 dan RAID10, hingga 24 core dan hingga 40GB DDR4).

VPS (KVM) E5-2650 v4 (6 Cores) 10GB DDR4 240GB SSD 1Gbps hingga Desember secara gratis ketika membayar untuk jangka waktu enam bulan, Anda dapat memesan di sini .

Dell R730xd 2 kali lebih murah? Hanya kami yang memiliki 2 x Intel Dodeca-Core Xeon E5-2650v4 128GB DDR4 6x480GB SSD 1Gbps 100 TV dari $ 249 di Belanda dan Amerika Serikat! Baca tentang Cara Membangun Infrastruktur Bldg. kelas menggunakan server Dell R730xd E5-2650 v4 seharga 9.000 euro untuk satu sen?