ملخص: تجمع دراسة جديدة بين التعلم العميق وبيانات النشاط العصبي من الفئران لفتح لغز كيفية تنقلهم في البيئة.
من خلال تحليل أنماط إطلاق الخلايا العصبية “اتجاه الرأس” و”خلايا الشبكة”، يستطيع الباحثون الآن التنبؤ بدقة بموقع الفأر واتجاهه، وتسليط الضوء على وظائف الدماغ المعقدة المرتبطة بالملاحة. وتمثل هذه الطريقة، التي تم تطويرها بالتعاون مع مختبر أبحاث الجيش الأمريكي، تقدمًا كبيرًا في فهم الوعي المكاني ويمكن أن تحدث ثورة في الملاحة المستقلة في أنظمة الذكاء الاصطناعي.
وتسلط النتائج الضوء على إمكانية دمج الذكاء البيولوجي في الذكاء الاصطناعي لتحسين الملاحة الآلية دون الاعتماد على تقنية نظام تحديد المواقع العالمي (GPS).
مفتاح الحقائق:
- التعلم العميق يفك رموز التنقل: استخدم الباحثون نموذج التعلم العميق لفك تشفير النشاط العصبي للفأر، والتنبؤ بدقة بموقع الفأر واتجاهه استنادًا فقط إلى أنماط إطلاق الخلايا العصبية “اتجاه الرأس” و”خلايا الشبكة”.
- بالتعاون مع مختبر أبحاث الجيش الأمريكي: تهدف الدراسة، التي أجريت بالتعاون مع مختبر أبحاث الجيش الأمريكي، إلى دمج الذكاء البيولوجي مع التعلم الآلي لتحسين الملاحة المستقلة في الأنظمة الذكية بدون نظام تحديد المواقع العالمي (GPS).
- إمكانات أنظمة الذكاء الاصطناعيقد تفيد النتائج تصميم أنظمة الذكاء الاصطناعي التي يمكنها التنقل بشكل مستقل في بيئات غير معروفة من خلال تحسين الآليات العصبية الكامنة وراء الوعي المكاني والملاحة الموجودة في الأنظمة البيولوجية.
مصدر: الصحافة الخلية
قام الباحثون بدمج نموذج التعلم العميق مع البيانات التجريبية من أجل “فك تشفير” النشاط العصبي للفأر.
وباستخدام هذه الطريقة، تمكنوا من تحديد مكان تواجد الفأر بدقة في بيئة مفتوحة والاتجاه الذي كان يواجهه من خلال النظر إلى أنماط إطلاق النار العصبية لديه.
إذا أمكن فك تشفير النشاط العصبي، فيمكن أن يوفر نظرة ثاقبة لنشاط وسلوك الخلايا العصبية الفردية أو مناطق الدماغ بأكملها.
ويتم نشر النتائج في 22 فبراير مجلة البيوفيزيائيةويمكنه أيضًا أن يفيد تصميم الآلات الذكية التي تكافح حاليًا للتنقل بشكل مستقل.
بالتعاون مع باحثين في مختبر أبحاث الجيش الأمريكي، استخدم فريق المؤلف الكبير فاسيليوس مارولاس نموذجًا للتعلم العميق لدراسة نوعين من الخلايا العصبية المشاركة في الملاحة: الخلايا العصبية “اتجاه الرأس”، والتي تشفر المعلومات حول الاتجاه الذي يواجهه الحيوان. و”الخلايا الشبكية”، التي تشفر معلومات ثنائية الأبعاد حول موقع الحيوان في بيئته المكانية.
يقول مارولاس، عالم الرياضيات: “لقد أثبتت أنظمة الذكاء الحالية أنها جيدة في التعرف على الأنماط، ولكن عندما يتعلق الأمر بالملاحة، فإن أنظمة الذكاء المماثلة لا تعمل بشكل جيد بدون إحداثيات نظام تحديد المواقع العالمي (GPS) أو أي شيء آخر لتوجيه العملية”. في جامعة تينيسي نوكسفيل.
“أعتقد أن الخطوة التالية لأنظمة الذكاء الاصطناعي هي دمج المعلومات البيولوجية مع أساليب التعلم الآلي الحالية.”
على عكس الدراسات السابقة التي حاولت فهم سلوك خلايا الشبكة، فقد استندت إلى بيانات تجريبية وليس محاكاة.
تتألف البيانات التي تم جمعها كجزء من الدراسة السابقة من أنماط إطلاق عصبية تم جمعها بواسطة مجسات داخلية، والتي تم دمجها مع لقطات فيديو “الحقيقة الأرضية” للموقع الفعلي للفأر، وموضع رأسه وحركاته أثناء استكشافه في العراء. بيئة.
تضمن التحليل تكامل أنماط النشاط عبر مجموعات من خلايا اتجاه الرأس والطور.
“إن فهم هذه الهياكل العصبية وتمثيلها يتطلب نماذج رياضية تصف الاتصال عالي المستوى، أي أنني لا أريد أن أفهم كيف تقوم خلية عصبية بتنشيط خلية عصبية أخرى، بل أريد أن أفهم كيف تنشط مجموعات ومجموعات من الخلايا العصبية.” هو يقول. مارولا.
وباستخدام الطريقة الجديدة، تمكن الباحثون من التنبؤ بموقع الفأر واتجاه رأسه بدقة أكبر من الطرق الموصوفة سابقًا. بعد ذلك، يخططون لإضافة معلومات من أنواع أخرى من الخلايا العصبية المشاركة في التنقل لتحليل أنماط أكثر تعقيدًا.
وفي نهاية المطاف، يأمل الباحثون أن تساعد طريقتهم في تصميم آلات ذكية يمكنها التنقل في بيئات غير مألوفة دون استخدام نظام تحديد المواقع العالمي (GPS) أو معلومات الأقمار الصناعية. يقول مارولاس: “الهدف النهائي هو استخدام هذه المعلومات لتطوير أطر التعلم الآلي التي يمكنها التنقل بنجاح في التضاريس غير المعروفة بشكل مستقل دون الحاجة إلى نظام تحديد المواقع العالمي (GPS) أو التوجيه عبر الأقمار الصناعية”.
حول أخبار أبحاث علم الأعصاب هذه
مؤلف: كريستوفر بنش
مصدر: الصحافة الخلية
اتصال: كريستوفر بنكي – خلية الصحافة
صورة: يُنسب الفيلم إلى Neuronews
البحث الأصلي: الوصول المفتوح.
“إطار طوبولوجي للتعلم العميق لفك التشفير العصبيفاسيليوس مارولاس وآخرون. مجلة البيوفيزيائية
ملخص
إطار طوبولوجي للتعلم العميق لفك التشفير العصبي
يستخدم نظام التوجيه المكاني في الدماغ مجموعات مختلفة من الخلايا العصبية للمساعدة في التنقل في سياق محدد. هناك طريقتان يقوم الدماغ بتشفير المعلومات المكانية من خلال خلايا اتجاه الرأس وخلايا الشبكة. تستخدم الأدمغة خلايا اتجاه الرأس لتحديد الاتجاه، في حين تحتوي خلايا الشبكة على طبقات من الخلايا العصبية المتراكبة لتوفير التنقل القائم على البيئة.
تعمل هذه الخلايا العصبية في مجموعات، حيث تعمل عدة خلايا عصبية في وقت واحد لتنشيط اتجاه أو مرحلة الرأس. نريد التقاط نمط الإطلاق هذا واستخدامه لفك تشفير اتجاه الرأس وموقع الحيوان من اتجاه الرأس ونشاط خلايا الشبكة.
يتطلب فهم هذه الهياكل العصبية وتمثيلها وترميزها نماذج تتضمن اتصالاً عالي المستوى، بدلاً من الاتصال أحادي البعد الذي توفره النماذج التقليدية القائمة على الرسم البياني.
ولتحقيق هذه الغاية، قمنا في هذا العمل بتطوير إطار طوبولوجي للتعلم العميق لفك تشفير القطار العصبي. يجمع إطار عملنا بين اكتشاف التعقيد البسيط غير الخاضع للرقابة وقوة التعلم العميق من خلال إطار عمل جديد.
المساحات الطوبولوجية، التي تستخدم كائنات ذات أبعاد أعلى بالإضافة إلى المجمعات والقمم والحواف الأكثر بساطة، تعمل بشكل طبيعي على تعميم الرسوم البيانية والتقاط أكثر من العلاقات الزوجية.
وبالإضافة إلى ذلك، لا يتطلب هذا النهج معرفة مسبقة بالنشاط العصبي بما يتجاوز أعداد الارتفاعات، مما يلغي الحاجة إلى قياسات التشابه.
يتم توضيح أداء وتعدد استخدامات الشبكة العصبية التلافيفية البسيطة في اتجاه الرأس والتنبؤ بالمسار باستخدام مجموعات بيانات اتجاه الرأس وخلايا الطور.