Yapay zeka meyve sineği görüşünü çözerek insan görüşünün önünü açıyor

özet: Araştırmacılar, görmenin davranışı nasıl yönlendirdiğini anlamak için meyve sineğinin beyninin yapay zeka modelini geliştirdiler. Belirli görsel nöronları genetik olarak susturarak ve davranışlardaki değişiklikleri izleyerek, yapay zekayı sinirsel aktiviteyi ve davranışı doğru bir şekilde tahmin edecek şekilde eğittiler.

Bulguları, tek tip nöronlar yerine çoklu nöron gruplarının görsel verileri karmaşık bir “nüfus kodunda” işlediğini ortaya koyuyor. Bu başarı, insan görme sistemi ve ilgili bozukluklarla ilgili gelecekteki araştırmaların yolunu açıyor.

Ana unsurlar:

• CSHL bilim insanları, görme güdümlü davranışları incelemek için meyve sineğinin beyninin yapay zeka modelini oluşturdular.
• Yapay zeka, belirli görsel nöronları susturduktan sonra davranıştaki değişiklikleri analiz ederek sinirsel aktiviteyi tahmin ediyor.
• Araştırma, birden fazla nöron grubunun görsel verileri işlediği karmaşık bir “nüfus kodunu” ortaya çıkardı.

kaynak: CSHL

Bize şöyle söylendi: “Gözler ruhun penceresidir.” Windows iki şekilde çalışır. Gözlerimiz aynı zamanda dünyaya açılan pencerelerimizdir. Ne gördüğümüz ve onu nasıl gördüğümüz, dünyada nasıl hareket edeceğimizi belirlemeye yardımcı olur. Başka bir deyişle vizyonumuz, sosyal davranışlar da dahil olmak üzere eylemlerimize rehberlik etmeye yardımcı olur.

Şimdi, Cold Spring Harbor Laboratuvarı’ndan (CSHL) genç bir bilim insanı, bunun nasıl çalıştığına dair önemli kanıtları ortaya çıkardı. Bunu sıradan meyve sineğinin beyninin özel bir yapay zeka modelini oluşturarak yaptı.

CSHL Yardımcı Doçenti Benjamin Cowley ve ekibi, geliştirdikleri “nakavt eğitimi” adı verilen bir teknikle yapay zeka modellerine ince ayar yaptılar. İlk olarak, erkek meyve sineğinin dişiyi kovalayan ve ona şarkı söyleyen kur yapma davranışını kaydettiler.

Daha sonra, erkek sineklerdeki belirli görsel nöron türlerini genetik olarak susturdular ve yapay zekalarını davranıştaki herhangi bir değişikliği tespit edecek şekilde eğittiler. Bu süreci birçok farklı görsel nöron türüyle tekrarlayarak, yapay zekanın gerçek bir meyve sineğinin herhangi bir dişi görülmesi durumunda nasıl davranacağını doğru bir şekilde tahmin etmesini sağladılar.

Cawley, “Aslında sinirsel aktiviteyi hesaplamalı olarak tahmin edebiliyoruz ve belirli nöronların davranışa nasıl katkıda bulunduğunu sorabiliyoruz” diyor. “Bu daha önce yapamadığımız bir şey.”

Cowley’nin ekibi, yeni yapay zeka sayesinde meyve sineğinin beyninin görsel verileri işlemek için bir “nüfus kodu” kullandığını keşfetti. Daha önce varsayıldığı gibi, her görsel özelliği tek bir eylemle ilişkilendiren tek bir nöron türü yerine, davranışı şekillendirmek için birçok nöron grubuna ihtiyaç vardı.

Bu sinir yollarının düzeni, çözülmesi yıllar sürecek inanılmaz derecede karmaşık bir metro haritasına benziyor. Ancak bizi gitmemiz gereken yere götürür. Cowley’in yapay zekasının, gerçek hayattaki meyve sineklerinin görsel uyaranlarla sunulduğunda nasıl davranacağını tahmin etmesini sağlıyor.

Bu, yapay zekanın bir gün insan davranışını tahmin edebileceği anlamına mı geliyor? Çok hızlı değil. Drosophila beyinleri yaklaşık 100.000 nöron içerir. İnsan beyninde yaklaşık 100 milyar var.

Cowley metro haritasını işaret ederek, “Meyve sineği için de durum böyle, görsel sistemimizin nasıl göründüğünü hayal edebilirsiniz” diyor.

Ancak Cowley, yapay zeka modelinin bir gün insanın görsel sisteminin ardındaki hesaplamaları çözmemize yardımcı olacağını umuyor.

Cawley, “Bu, onlarca yıl sürecek bir çalışma olacak. Ancak bunu çözebilirsek, önde olacağız” diyor. “Bu alanda uzun yıllara dayanan bir tecrübemiz var.” [fly] Hesaplamalarla daha iyi bir yapay optik sistem oluşturabiliriz. En önemlisi görme sistemindeki bozuklukları çok daha detaylı anlayacağız.

Ne kadar daha iyi? Buna inanmak için görmeniz gerekecek.

Yapay zeka ve sinirbilim araştırma haberleri hakkında

yazar: Sarah Giarnieri
kaynak: CSHL
iletişim:Sarah Giarnieri – CSHL
resim: Resim Neuroscience News’e atfedilmiştir

Orijinal arama: Açık Erişim.
“Görsel nöronların modülerliğinin haritalanması, sosyal davranış için popülasyon kodunu ortaya koyuyor“Benjamin Cowley ve diğerleri tarafından. doğa

Özet

Görsel nöronların modülerliğinin haritalanması, sosyal davranış için popülasyon kodunu ortaya koyuyor

Hayvanlarda gözlemlenen zengin davranış çeşitliliği, duyusal işlemleme ve motor kontrol arasındaki etkileşim yoluyla ortaya çıkar. Bu duyu-motor dönüşümlerini anlamak için, yalnızca duyusal girdiye verilen sinirsel tepkileri değil, aynı zamanda her bir nöronun davranışa nasıl katkıda bulunduğunu da tahmin eden modeller oluşturmak faydalıdır.

Burada, bir düzineden fazla nöron tipinin sistematik bozulmalarından kaynaklanan davranış değişikliklerini tahmin ederek, derin bir sinir ağındaki dahili modüller ile gerçek nöronlar arasındaki bire bir eşlemeyi tanımlamak için yeni bir modelleme yaklaşımı sergiliyoruz.

Tanıttığımız ana bileşen, davranışsal deneyler sırasındaki gerçek nöron bozulmalarıyla eşleşmek için eğitim sırasında ağın bozulmasına yol açan “nakavt eğitimi”dir. Bu yaklaşımı duyu-motor dönüşümlerini modellemek için uyguluyoruz. Kara karınlı meyve sineği Erkekler karmaşık, görsel olarak yönlendirilen sosyal davranışlar sırasında.

Optik lob ile merkezi beyin arasındaki arayüzde yer alan görsel projeksiyon nöronları, bir grup ayrı kanal oluşturur ve önceki çalışmalar, her kanalın belirli bir davranışı uyarmak için belirli bir görsel özelliği kodladığını öne sürer.

Modelimiz farklı bir sonuca ulaşıyor: antisosyal davranışlara karışan nöronlar da dahil olmak üzere görsel projeksiyon nöron grupları, erkek-kadın etkileşimlerini yönlendirerek zengin bir popülasyon davranış kodu oluşturuyor.

Genel olarak çerçevemiz, farklı nörolojik bozuklukların davranışsal etkilerini tek bir birleşik modelde birleştirerek uyarandan nöron tipine ve davranışa kadar bir harita sağlar ve beyin bağlantı şemalarının gelecekte modele dahil edilmesini sağlar.