Исследователи из DeepMind и Гарвардского университета создали виртуальную модель крысы с искусственным интеллектом, и запрограммировали её на выполнение нескольких задач. Затем они использовали методы нейробиологии, чтобы понять, как искусственный мозг управляет движениями цифрового грызуна.
Авторы описали свой проект в статье, опубликованной на Open Review. По словам Джесси Маршалла, соавтора статьи, модель позволяет исследователям тестировать нейронные сети с различными уровнями биологического реализма — то есть нейросети, в той или иной степени приближенные к настоящему мозгу — чтобы увидеть, насколько хорошо они решают сложные задачи.
«Типичные эксперименты в области неврологии исследуют мозг животных, которые выполняют отдельные простые действия, например, нажимают на рычаг или кнопку. Это исследование проводится для того, чтобы выяснить, как работает нейросеть при выполнении сложной задачи, и использовать полученные нами знания для разработки моделей с аналогичными возможностями», — поясняет Маршалл.
У виртуального грызуна, созданного учёными, есть мышцы и суставы, построенные на основании мерок, «снятых» с настоящих крыс, а также зрение и чувство проприоцепции, которое сообщает животным, где находятся их части тела и как они движутся. Исследователи обучили нейросеть и дали ей четыре задания: перепрыгнуть через несколько препятствий, пройти по лабиринту, попытаться выбраться из холмистой среды и выполнить несколько пар ударов по мячу. Когда виртуальная крыса успешно выполнила задания, исследовательская группа проанализировала нейронную активность модели, используя методы, заимствованные у нейробиологов, чтобы понять, как именно модель заставляет искусственные мышцы двигаться.
В ходе экспериментов учёные выяснили, что нейросети понадобилось больше времени на выполнение заданий, чем у неё ушло бы, если бы она непосредственно контролировала движения конечностей и выполняла простые задачи. Они пришли к выводу, что, по-видимому, нейросеть выполняла задания, используя интуитивные поведенческие категории, такие как бег, прыжки и т.д… Так же действуют грызуны и в природе.
Как указывает Стивен Скотт, невролог из Университета Куинс в Кингстоне, хотя следует осторожно подходить к проведению слишком широких аналогий между искусственными и биологическими нейронными сетями, этот подход может быть полезен для изучения нейронных основ поведения. По словам Скотта, зарегистрировать нервную активность животных и привязать её к конкретному поведению сложно, и поэтому большинство экспериментов проводится с относительно простыми задачами в жестких условиях. В свою очередь, виртуальная крыса, напротив, может выполнять сложные, многоэлементные задачи, например, добывать пищу, и способ выполнения этих задач можно точно связать с нейронной активностью.
Тем не менее, Скотт также отмечает, что авторам проекта стоит протестировать виртуальную крысу на некоторых более простых задачах, которые даются животным в лабораторных условиях, чтобы можно было сравнить образцы нейронной активности со взятыми у животных и увидеть, где они расходятся.
Ранее учёные из Института нейробиологии им. Макса Планка в Германии использовали методы машинного обучения для определения основных эмоций у мышей. Исследователи обнаружили на мордочках животных выражения радости, боли, отвращения, недомогания, страха или готовности убежать. Исследование опубликовано в журнале Science. Учёные провоцировали у мышей эмоции при помощи сильных раздражителей — к примеру, вода с сахаром вызывала удовольствие, а инъекция хлорида лития — недомогание. Реакция на раздражители записывалась на видеокамеры, после чего записи были проанализированы с помощью различных методов. Исследователи обнаружили, что методы машинного обучения способны распознать мельчайшие изменения в выражении мордочки мыши и сопоставить их с её состоянием.
«Использование машинного обучения для определения эмоций — это необычайно захватывающее направление исследований, — считает нейробиолог Кей Тай из Института биологических исследований Солка в США. — Они заложили основу для дальнейших нейробиологических исследований эмоциональных состояний».
