bản tóm tắt: Các nhà nghiên cứu đã phát triển một mô hình trí tuệ nhân tạo của não ruồi giấm để hiểu thị giác hướng dẫn hành vi như thế nào. Bằng cách làm im lặng các tế bào thần kinh thị giác cụ thể về mặt di truyền và theo dõi những thay đổi trong hành vi, họ đã huấn luyện AI để dự đoán chính xác hoạt động và hành vi thần kinh.

Phát hiện của họ tiết lộ rằng nhiều nhóm tế bào thần kinh, chứ không phải từng loại đơn lẻ, xử lý dữ liệu hình ảnh theo một “mã dân số” phức tạp. Thành tựu này mở đường cho nghiên cứu trong tương lai về hệ thống thị giác của con người và các rối loạn liên quan.

Sự kiện chính:

• Các nhà khoa học CSHL đã tạo ra một mô hình trí tuệ nhân tạo của não ruồi giấm để nghiên cứu hành vi được hướng dẫn bởi thị giác.
• Trí tuệ nhân tạo dự đoán hoạt động thần kinh bằng cách phân tích những thay đổi trong hành vi sau khi làm im lặng các tế bào thần kinh thị giác cụ thể.
• Nghiên cứu đã tiết lộ một “mã dân số” phức tạp trong đó nhiều nhóm tế bào thần kinh xử lý dữ liệu hình ảnh.

nguồn: CSHL

Chúng ta được dạy: “Đôi mắt là cửa sổ tâm hồn”. Vâng, cửa sổ hoạt động theo hai cách. Đôi mắt của chúng ta cũng là cửa sổ nhìn ra thế giới. Những gì chúng ta nhìn thấy và cách chúng ta nhìn thấy sẽ quyết định cách chúng ta di chuyển trong thế giới. Nói cách khác, tầm nhìn giúp định hướng hành động của chúng ta, bao gồm cả các hành vi xã hội.

Giờ đây, một nhà khoa học trẻ từ Phòng thí nghiệm Cold Spring Harbor (CSHL) đã phát hiện ra manh mối quan trọng về cách thức hoạt động của nó. Ông đã làm được điều này bằng cách xây dựng một mô hình trí tuệ nhân tạo đặc biệt về não của loài ruồi giấm thông thường.

Trợ lý Giáo sư CSHL Benjamin Cowley và nhóm của ông đã tinh chỉnh mô hình AI của họ thông qua một kỹ thuật mà họ đã phát triển có tên là “đào tạo loại trực tiếp”. Đầu tiên, họ ghi lại hành vi tán tỉnh của ruồi giấm đực là rượt đuổi và hát cho con cái nghe.

Tiếp theo, họ vô hiệu hóa các loại tế bào thần kinh thị giác cụ thể ở ruồi đực về mặt di truyền và huấn luyện AI của chúng để phát hiện bất kỳ thay đổi nào trong hành vi. Bằng cách lặp lại quá trình này với nhiều loại tế bào thần kinh thị giác khác nhau, họ có thể khiến AI dự đoán chính xác cách một con ruồi giấm thực sự sẽ hành xử khi nhìn thấy con cái.

Cawley nói: “Chúng tôi thực sự có thể dự đoán hoạt động thần kinh bằng máy tính và hỏi xem các tế bào thần kinh cụ thể đóng góp như thế nào vào hành vi”. “Đây là điều mà trước đây chúng tôi chưa thể làm được.”

Thông qua trí tuệ nhân tạo mới, nhóm của Cowley phát hiện ra rằng não ruồi giấm sử dụng “mã quần thể” để xử lý dữ liệu hình ảnh. Thay vì một loại tế bào thần kinh duy nhất liên kết từng đặc điểm thị giác với một hành động duy nhất như giả định trước đây, cần có nhiều nhóm tế bào thần kinh để tạo ra hành vi.

Bố cục của những con đường thần kinh này trông giống như một bản đồ tàu điện ngầm cực kỳ phức tạp mà có thể phải mất nhiều năm mới giải mã được. Tuy nhiên, nó sẽ đưa chúng ta đến nơi chúng ta cần đến. Nó cho phép AI của Cowley dự đoán ruồi giấm ngoài đời thực sẽ hoạt động như thế nào khi được kích thích thị giác.

Phải chăng điều này có nghĩa là một ngày nào đó AI có thể dự đoán được hành vi của con người? Không quá nhanh. Não Drosophila chứa khoảng 100.000 tế bào thần kinh. Bộ não con người có khoảng 100 tỷ.

“Đây là trường hợp của ruồi giấm. Bạn có thể tưởng tượng hệ thống thị giác của chúng ta trông như thế nào,” Cowley nói và chỉ vào bản đồ tàu điện ngầm.

Tuy nhiên, Cowley hy vọng rằng mô hình AI của ông một ngày nào đó sẽ giúp chúng ta giải mã được những phép tính đằng sau hệ thống thị giác của con người.

Cawley nói: “Đây sẽ là công việc mất hàng thập kỷ. Nhưng nếu chúng tôi có thể tìm ra điều này, chúng tôi sẽ dẫn đầu cuộc chơi”. [fly] Với tính toán, chúng ta có thể xây dựng một hệ thống quang học nhân tạo tốt hơn. Quan trọng nhất, chúng ta sẽ hiểu các rối loạn của hệ thống thị giác một cách chi tiết hơn nhiều.

Tốt hơn bao nhiêu? Bạn sẽ phải nhìn thấy nó để tin điều đó.

Về trí tuệ nhân tạo và tin tức nghiên cứu khoa học thần kinh

tác giả: Sarah Giarnieri
nguồn: CSHL
giao tiếp:Sarah Giarnieri – CSHL
hình ảnh: Hình ảnh được ghi có vào Tin tức khoa học thần kinh

Tìm kiếm ban đầu: Mở quyền truy cập.
“Lập bản đồ mô-đun của các tế bào thần kinh thị giác tiết lộ mã dân số cho hành vi xã hội“Bởi Benjamin Cowley và cộng sự. thiên nhiên

một bản tóm tắt

Lập bản đồ mô-đun của các tế bào thần kinh thị giác tiết lộ mã dân số cho hành vi xã hội

Sự đa dạng phong phú của các hành vi quan sát được ở động vật phát sinh thông qua sự tương tác giữa xử lý cảm giác và điều khiển vận động. Để hiểu được những biến đổi cảm biến vận động này, việc xây dựng các mô hình dự đoán không chỉ các phản ứng thần kinh đối với đầu vào cảm giác mà còn dự đoán cách mỗi tế bào thần kinh đóng góp vào hành vi là rất hữu ích.

Ở đây, chúng tôi trình bày một cách tiếp cận mô hình hóa mới để xác định ánh xạ một-một giữa các mô-đun bên trong trong mạng lưới thần kinh sâu và các nơ-ron thực bằng cách dự đoán những thay đổi hành vi phát sinh từ sự nhiễu loạn hệ thống của hơn một chục loại nơ-ron.

Thành phần chính mà chúng tôi giới thiệu là “đào tạo loại trực tiếp”, bao gồm việc gây nhiễu mạng trong quá trình huấn luyện để phù hợp với các nhiễu loạn nơ-ron thực sự trong các thử nghiệm hành vi. Chúng tôi áp dụng phương pháp này để mô hình hóa các phép biến đổi cảm biến vận động của Ruồi giấm bụng đen Con đực trong hành vi xã hội phức tạp, được hướng dẫn trực quan.

Các tế bào thần kinh chiếu thị giác nằm ở giao diện giữa thùy quang và não trung tâm tạo thành một nhóm các kênh riêng biệt và nghiên cứu trước đây cho thấy mỗi kênh mã hóa một đặc điểm thị giác cụ thể để kích thích một hành vi cụ thể.

Mô hình của chúng tôi đi đến một kết luận khác: các nhóm tế bào thần kinh chiếu thị giác, bao gồm các tế bào thần kinh liên quan đến các hành vi chống đối xã hội, thúc đẩy sự tương tác giữa nam và nữ, tạo thành một quy tắc hành vi dân số phong phú.

Nhìn chung, khuôn khổ của chúng tôi tích hợp các tác động hành vi của các rối loạn thần kinh khác nhau vào một mô hình thống nhất, cung cấp bản đồ từ kích thích đến loại tế bào thần kinh đến hành vi và cho phép kết hợp sơ đồ nối dây não vào mô hình trong tương lai.