Почему мозг бражника табачного эффективнее обучается, чем компьютерные нейросети


    Бражник табачный, модельный организм для изучения мозга животных

    Несмотря на все достижения в области машинного обучения и нейросетей, принципы работы компьютерных систем заметно отличаются от работы биологических систем. Учёным до сих пор непонятны фундаментальные биомеханические механизмы, лежащие в основе надёжного и быстрого обучения биологических нейросетей. Поэтому их продолжают тщательно исследовать.

    Один из наиболее подходящих объектов подобных исследований — обонятельная система насекомых. В частности, обонятельная система бабочек (например, бражника табачного, Manduca sexta) — относительно простая биологическая нейросеть, демонстрирующая способность к обучению. Поэтому бабочка представляет собой идеальный модельный организм для понимания механики обучения нейросети.

    В предыдущие годы учёные провели запись нейросигналов в отдельных компонентах мозга бражника. Данные компоненты имеют структуру и механизмы, которые стандартны для биологических систем:

    • использование нейромодуляторов (октопамин и допамин) для обучения мозга — кстати, у человека они также имеют важное значение для эмоций, регуляции настроения и других умственных функций;
    • каскадная сетевая структура;
    • значительные изменения в размерности (например, в количестве нейронов) между сетями;
    • разреженное кодирование данных в многомерных сетях (sparse coding);
    • случайные связи;
    • наличие зашумлённого сигнала.

    Само присутствие в биологической системе каких-то непонятных и на первый взгляд ненужных элементов (как пресловутая «мусорная» ДНК) на самом деле играет важную роль в функционировании всей системы. Просто мы пока не понимаем, для чего конкретно нужен тот или иной элемент. Особенный интерес вызывает высвобождение октопамина/допамина в процессе обучения. Пока неясно, каким образом такая стимуляция способствует созданию новых разреженных кодов в грибовидном теле мозга. Грибовидное тело содержит примерно 4000 клеток Кеньона, которые кодируют запахи для записи в долговремнную память бабочки.

    Чтобы лучше разобраться в работе биологических нейросетей, учёные из Вашингтонского университета в Сиэтле построили вычислительную модель обонятельной системы бражника табачного, которая максимально близко соответствует записям нейроактивности его мозга и всем известным биофизическим процессам, которые там происходят, в том числе стимуляции октопамином.

    Вычислительные модели нейросети грибовидного тела (MB) мозга насекомого создавались и ранее, но сейчас исследователи сделали акцент на изучении роли октопамина в процессе ассоциативного обучения, а также связи грибовидного тела с отделом antenna lobe (AL). Для этого была смоделирована архитектура и нейронная динамика всей системы целиком, в том числе октопаминовой стимуляции, роста синапсов, восприятия запахов в AL и считывания нейронов в нисходящем информационном потоке.


    Схема работы отделов AL и MB в мозге модельного организма. 30 000 химических сенсоров в обонятельной системе бабочки (RN) возбуждают зашумлённую сеть предусилителя (AL), та передаёт сигнал в слой пластичной разреженной памяти грибовидного тела (MB), которая возбуждает нейроны действия (EN), интерпретирующие сигналы из грибовидного тела как конкретные действия, например, «лететь вверх». Зелёные линии соответствуют возбуждающим связям, а красные линии — ингибиторным соединениям

    Авторам удалось построить компьютерную модель нейросети, которая продемонстрировала способность надёжного обучения, в то же время обладая значительным сходством с реальной биологической системой. Компьютерная модель выявила критически важные функции в работе мозга мотылька — и их влияние на процесс обучения.

    Эта научная работа позволит в будущем математически описать эти функции и применить в разработке фреймворка для более эффективных компьютерных нейросетей с надёжным и быстрым обучением. Систем машинного обучения, созданных по биологическому образцу.

    Учёные уверены, что выявленные механизмы каскадных сетей, разреженности и хеббовой пластичности хорошо дополнят оригинальные принципы работы нейросетей, впервые сформулированные в 1962 году в нобелевской работе Хубеля и Визеля, которые описали иерархическую структуру обработки визуальных сигналов в мозгу кошек. На основе этой работы в 1980 году была создана первая в мире математическая модель нейронной сети Neocognitron, которая во многом стала образцом для современных глубинных нейросетей (deep neural networks). Однако в этой работе не были учтены многие функциональные системы в работе живого мозга. Исследование бражника табачного позволило выявить и чётко математически смоделировать эти элементы — недостающие элементы компьютерных систем ИИ.

    Научная статья опубликована 8 февраля 2018 года на сайте препринтов arXiv.org.
    Поделиться публикацией
    Ой, у вас баннер убежал!

    Ну. И что?
    Реклама
    Комментарии 20
    • +2
      Первый «загруженный» бражник. Год назад был первый «загруженный» червь. Интересно что дальше будет, и будет ли это, идти по экспоненте.
      • +1
        С момента когда появился первый переводчик языков, все вокруг сразу стали говорить: оо, компьютер разговаривать научился, значит еще чуть-чуть и станет как человек.
        Потом хитро-выдуманно его научили играть в шашки и шахматы, он начал обыгрывать шахматистов, и заговорили: оооо, раз он в шахматы играет, и умнейших людей обыгрывает значит точно как человек, еще чуть-чуть и станет как человек…
        А потому всякие конкурсы «опознай ИИ/человека по тексту в чате», «найди образ на картинке» итд итп, и что говорят? Снова: «вот еще чуть-чуть и точно будет подобен человеку!»

        сейчас изучают нейросеть с насекомыми <<<< — вы находитесь здесь
        потом будут на крысах, поймут что у них мозг работает вообще по-другому. И там где казалось «почти всё изучено» снова откроется огромная область для изучения (как раньше считали что квантовая физика — лишь малая недостающая часть пазла физики). И снова будут говорить «уже похож на человека, готовьте терминаторов»
        • 0

          Немного наоборот было. Говорили вот сделает "название дела" то будет как человек. Когда делает эта вещь тут же становится неважной и появляется новая цель.
          https://en.m.wikipedia.org/wiki/AI_effect

          • 0
            Вот когда поработит человечество — тогда и поговорим =)
          • 0
            Мирный вариант:
            А потом самостоятельно найдет адвоката, найдет чем заплатить / сумеет убедить адвоката работать pro bono и суд будет решать это человек или нет.
            Ну или как вариант — начнет защищать свои права не в суде а с оружием в руках.
            В обоих случаях вопрос будет… решен.
          • 0
            Цифровая модель обонятельной зоны мозга бражника )
            На самом деле большой шаг сделали.
          • +2

            Насколько я знаю, между искусственными нейронными сетями и мат.моделью нейрона Маккаллока — Питтса и нейронными сетями биологическими разница огромная и общего у них не так уж и много, в настоящее время (разве что сверточные сети по образу и подобию). Поэтому сравнение современных методик машинного обучения с организмами не очень корректно.

            • 0
              Проблема в том что наши модели не совершенны. И мы идем от простого моделлирования к более сложному. Сверточные сети это +1 шаг. Как и работа выше еще +0.5 шага…
              • 0

                Дело еще в том, что точная модель и понимание о работе мозга еще не делает эти модели полезными для практических задач. Существующие модели вполне неплохо справляются с рядом возложенных на них практически задач.

            • –1
              Уилл Смит, спрашивает робота: «Может робот написать симфонию? Может робот взять холст и превратить его в прекрасный шедевр?»
              — «А ты можешь?»

              «Я робот», 2004
              • 0
                Да, ну! Человек спрашивал, может ли хоть один робот написать симфонию, а робот намекнул, что герой Смита не может. И что?
                • 0
                  а робот намекнул, что герой Смита не может. И что?

                  Ну т.е. роботы уже четырнадцать лет назад были в курсе, что не все человеки одинаково полезны.

                  • 0
                    Всего четырнадцать? Азимов писал свои книжки гораздо раньше.
                    • 0
                      И уже тогда Азимов знал, что Вилл Смитт не сможет.
                      • 0

                        Ну, фильм "Я, робот" снят… сильно по мотивам. Есть отдельные моменты (позитронный мозг, пресловутые три закона робототехники), фрагменты разных произведений (робот, который видел сны).

                    • 0
                      Узко специализированный «робот» очень даже может написать симфонию
                  • 0
                    * только в узком наборе тестов

                    Только полноправные пользователи могут оставлять комментарии. Войдите, пожалуйста.

                    Самое читаемое