ИИ встретил плодовую муху, и возникла улучшенная модель мозга

ИИ встретил плодовую муху, и возникла улучшенная модель мозга

AD_4nXf85wHeFa6ntfGXq9bGvSYOKx8lzdGGysotSxtVuzddKGYiIvl7UJcSlFOEh3wNm3ep5jE3kDRo93qHn8RM-wz0vuJpfRnF5D2RrZiS3R01Rbd5RELRETrskeCBUja0yjMslWpvDHEBAbAdhDFK6OeLTJK3?key=MiLG6vAL_0wRGM6H8C0BIQ 

Свет проникает в Compound eye (compound eye — фасеточный глаз) мухи, заставляя расположенные гексагонально фотоприемники отправлять электрические сигналы через сложную нейронную сеть, позволяя мухе обнаруживать движение. Siwanowicz, I. & Loesche, F./ Исследовательский кампус Janelia HHMI, Lappalainen, J.K. / Университет Тюбингена 

 

Учёные создали виртуальную нейронную сеть мозга, способную предсказывать поведение отдельных нейронов в живом мозге. Модель основана на визуальной системе плодовой мухи и предлагает учёным способ быстро тестировать идеи на компьютере, прежде чем тратить недели или месяцы на эксперименты с настоящими мухами или другими лабораторными животными.

«Теперь мы можем начать с предположения о том, как может работать мозг мухи, прежде чем кто-либо сделает экспериментальное измерение», — говорит Срини Турага, руководитель группы в исследовательском кампусе Janelia, входящем в институт медицины Говарда Хьюза (HHMI).

Подход, описанный в журнале Nature, также предполагает, что энергозатратные системы искусственного интеллекта, такие как ChatGPT, могут потреблять гораздо меньше энергии, если будут использовать некоторые вычислительные стратегии, обнаруженные в живом мозге.

 

«Мозг плодовой мухи маленький и энергоэффективный», — говорит Якоб Мака, профессор Университета Тюбингена и автор исследования. «Он способен выполнять так много вычислений. Он способен летать, он способен ходить, он способен обнаруживать хищников, он способен спариваться, он способен выживать, используя всего 100 000 нейронов».

В отличие от этого, системы ИИ обычно требуют компьютеров с десятками миллиардов транзисторов. В мировом масштабе эти системы потребляют столько энергии, сколько маленькая страна.

 

«Когда мы сейчас думаем о ИИ, главная задача — сделать эти системы более энергоэффективными», — говорит Бен Кроули, вычислительный нейробиолог в лаборатории Cold Spring Harbor, не принимавший участия в исследовании. 

Заимствование стратегий из мозга плодовой мухи может быть одним из способов достижения этой цели, отмечает он.

 

Модель, основанная на биологии

Виртуальная нейронная сеть стала возможной благодаря более чем десятилетнему интенсивному исследованию состава и структуры мозга плодовой мухи. Большая часть этой работы была выполнена или финансировалась HHMI, который сейчас имеет карты, показывающие каждый нейрон и каждое соединение в мозге насекомого.

Турага, Мака и аспирант Янне Лаппалайнен были частью команды, которая решила использовать эти карты для создания компьютерной модели, которая бы вела себя аналогично визуальной системе плодовой мухи. Эта система составляет большую часть мозга животного.

Команда начала с подключения мухи, подробной карты соединений между нейронами. 

«Это показывает, как информация могла бы течь от А до Б», — говорит Мака. «Но это не показывает, какой маршрут на самом деле выбирает система».

Учёным удалось заглянуть в процесс в мозгах живых плодовых мух, но у них нет способа уловить активность тысяч нейронов, реагирующих на сигналы в реальном времени.

«Мозги так сложны, что я думаю, единственный способ, которым мы когда-либо сможем их понять, — это построить точные модели», — говорит Мака. 

Поэтому команда решила создать модель мозговых цепей, которые позволяют плодовые мухи обнаруживать движение, например, приближение быстро движущейся руки или мухобойки. 

«Наша цель не заключалась в создании лучшего детектора движения в мире, а в том, чтобы найти то, что делает это так, как делает муха».

Команда начала с виртуальных версий 64 типов нейронов, все соединенные так же, как они были бы в визуальной системе мухи. Затем сеть «смотрела» видеоклипы, изображающие различные типы движения.

В конечном итоге системе искусственного интеллекта было предложено изучить активность нейронов по мере воспроизведения видеоклипов. 

В результате подхода была создана модель, которая могла предсказывать, как каждый нейрон в искусственной сети будет реагировать на определённое видео. Примечательно, что модель также предсказала реакцию нейронов в настоящих плодовых мухах, которые уже видели те же видео в предыдущих исследованиях.

 

Инструмент для нейробиологии и ИИ

 

Хотя статья, описывающая модель, только что вышла, сама модель доступна более года. Нейробиологи обратили внимание на это.

«Я использую эту модель в своей собственной работе», — говорит Кроули, чья лаборатория изучает, как мозг реагирует на внешние стимулы. Он говорит, что модель помогла ему оценить, стоят ли идеи тестирования на животных.

 

Будущие версии модели ожидаются с расширением за пределы визуальной системы и включением задач, выходящих за рамки обнаружения движения.

«Теперь у нас есть план по созданию моделей целого мозга, которые выполняют интересные вычисления», — говорит Мака.