Tabaco Hogweed, um organismo modelo para o estudo de cérebros de animaisApesar de todos os avanços no aprendizado de máquina e nas redes neurais, os princípios dos sistemas de computadores diferem acentuadamente do trabalho dos sistemas biológicos. Os cientistas ainda não entendem os mecanismos biomecânicos fundamentais subjacentes ao treinamento rápido e confiável das redes neurais biológicas. Portanto, eles continuam a ser completamente investigados.
Um dos objetos mais adequados para esses estudos é o sistema olfativo de insetos. Em particular, o sistema olfativo de borboletas (por exemplo, caddis,
Manduca sexta ) é uma rede neural biológica relativamente simples que demonstra capacidade de aprendizado. Portanto, uma borboleta é um organismo modelo ideal para entender a mecânica de aprender uma rede neural.
Nos anos anteriores, os cientistas registraram sinais neurais em componentes individuais do cérebro de um falcão. Esses componentes têm uma estrutura e mecanismos que são padrão para sistemas biológicos:
- o uso de neuromoduladores (octopamina e dopamina) para o treinamento do cérebro - a propósito, em humanos eles também são importantes para emoções, regulação do humor e outras funções mentais;
- estrutura de rede em cascata;
- mudanças significativas na dimensão (por exemplo, no número de neurônios) entre as redes;
- codificação esparsa de dados em redes multidimensionais (codificação esparsa);
- comunicações aleatórias;
- a presença de um sinal barulhento .
A própria presença no sistema biológico de alguns elementos obscuros e à primeira vista desnecessários (como o notório DNA "lixo") realmente desempenha um papel importante no funcionamento de todo o sistema. Ainda não entendemos por que esse ou aquele elemento é especificamente necessário. De particular interesse é a liberação de octopamina / dopamina durante o treinamento. Ainda não está claro como essa estimulação contribui para a criação de novos códigos esparsos no corpo em forma de cogumelo do cérebro. O corpo do cogumelo contém aproximadamente 4.000 células Kenyon que codificam odores para gravação na memória de longo prazo da borboleta.
Para entender melhor o trabalho das redes neurais biológicas, cientistas da Universidade de Washington, em Seattle, construíram um modelo computacional do sistema olfativo do triturador de tabaco, o mais próximo possível dos registros da neuroatividade do cérebro e de todos os processos biofísicos conhecidos que ocorrem lá, incluindo a estimulação da octopamina.
Modelos computacionais da rede neural do corpo do cogumelo (MB) do cérebro de insetos foram criados anteriormente, mas agora os pesquisadores se concentraram em estudar o papel da octopamina no processo de aprendizado associativo, bem como a relação do corpo do cogumelo com o departamento do lobo da antena (AL). Para fazer isso, a arquitetura e a dinâmica neural de todo o sistema foram simuladas, incluindo estimulação com octopamina, crescimento de sinapses, percepção de odor em AL e leitura de neurônios em um fluxo descendente de informações.
O esquema de trabalho dos departamentos AL e MB no cérebro de um organismo modelo. 30.000 sensores químicos no sistema olfativo da borboleta (RN) excitam uma rede barulhenta de pré-amplificadores (AL), que transmite um sinal para a camada de memória esparsa plástica do corpo do cogumelo (MB), que excita os neurônios de ação, que interpretam os neurônios de ação, que interpretam os sinais do corpo do cogumelo como ações específicas, por exemplo, "voe para cima". Linhas verdes correspondem a ligações excitatórias e linhas vermelhas correspondem a compostos inibitóriosOs autores conseguiram construir um modelo computacional da rede neural, que demonstrou a capacidade de treinamento confiável, ao mesmo tempo em que possuía semelhanças significativas com o sistema biológico real. Um modelo de computador identificou funções críticas no cérebro de uma mariposa - e seu impacto no processo de aprendizagem.
Este trabalho científico tornará possível, no futuro, descrever matematicamente essas funções e aplicá-las no desenvolvimento de uma estrutura para redes neurais computacionais mais eficientes, com treinamento rápido e confiável. Sistemas biomédicos de aprendizado de máquina.
Os cientistas têm certeza de que os mecanismos revelados de redes em cascata, escassez e plasticidade hebb complementarão bem os princípios originais das redes neurais, formulados pela primeira vez em 1962 no
trabalho Nobel de Hubel e Wiesel , que descreveu a estrutura hierárquica de processamento de sinais visuais no cérebro dos gatos. Com base nesse trabalho, em 1980 foi criado o primeiro modelo matemático do mundo da rede neural de Neocognitron, que em muitos aspectos se tornou um modelo para redes neurais profundas modernas. No entanto, muitos sistemas funcionais no trabalho do cérebro vivo não foram levados em consideração neste trabalho. Um estudo sobre o espinheiro-do-tabaco revelou e simulou matematicamente esses elementos - os elementos ausentes dos sistemas de computação da IA.
O artigo científico foi
publicado em 8 de fevereiro de 2018 no site de pré-impressão arXiv.org.