İnsanların ve hayvanların zahmetsizce hareket edebilmesi, henüz hiçbir robotun yakından taklit edemediği bir evrim harikasıdır. Beynin her şeyi nasıl kontrol ettiği ve koordine ettiğine dair gizemi araştırmaya yardımcı olmak için Bilim'lı sinirbilimciler, tıpkı gerçek bir kemirgen gibi hareket edebilen, yapay beyni olan sanal bir sıçan yarattılar.
Organizma ve Evrimsel Biyoloji Bölümü profesörü Bence Ölveczky, biyomekanik açıdan gerçekçi bir dijital sıçan modeli oluşturmak için Google'ın DeepMind AI laboratuvarındaki bilim adamlarıyla işbirliği yapan bir grup araştırmacıya liderlik etti. Gerçek farelerden kaydedilen yüksek çözünürlüklü verileri kullanarak, yerçekimi ve diğer kuvvetlerin mevcut olduğu MuJoco adlı bir fizik simülatöründe sanal bedeni kontrol etmek için yapay bir sinir ağını (sanal farenin “beyni”) eğittiler. Ve sonuçlar umut verici.
Bilim ve Google araştırmacıları, gerçek farelerden kaydedilen hareket verilerini kullanarak sanal bir fare yarattı.
Kredi bilgileri: Google DeepMind
Nature dergisinde yayınlanan araştırmada, (gerçek) fareleri karmaşık davranışları öğrenmeleri için eğitme konusunda uzman olan Ölveczky, araştırmacıların sanal kontrol ağındaki aktivasyonların, aynı davranışları üreten gerçek farelerin beyinlerinden ölçülen sinirsel aktiviteyi doğru bir şekilde tahmin ettiğini bulduğunu söyledi. sinir devrelerini inceleyin. Ölveczky, bu başarının, derin takviyeli öğrenme ve yapay zekanın yanı sıra özgürce davranan hayvanlarda 3 boyutlu hareket takibindeki gelişmelerden yararlanarak beynin hareketi nasıl kontrol ettiğini incelemeye yönelik yeni bir yaklaşımı temsil ettiğini söyledi.
Ölveczky, işbirliğinin “harika” olduğunu söyledi. “DeepMind, biyomekanik ajanları karmaşık ortamlarda hareket edebilecek şekilde eğitmek için bir boru hattı geliştirmişti. Bu tür simülasyonları yürütecek ve bu ağları eğitecek kaynaklara sahip değildik.”
Ortak yazar ve Google DeepMind Kıdemli Araştırma Direktörü Matthew Botvinick, Bilim araştırmacılarıyla çalışmanın da aynı şekilde “bizim için gerçekten heyecan verici bir fırsat” olduğunu söyledi. “Somutlaşmış aracılar oluşturmanın zorluğundan çok şey öğrendik: Yalnızca akıllıca düşünmekle kalmayıp aynı zamanda bu düşünceyi karmaşık bir ortamda fiziksel eyleme dönüştürmek zorunda olan yapay zeka sistemleri. Aynı yaklaşımı sinirbilim bağlamında ele almanın, hem davranış hem de beyin fonksiyonuna dair içgörü sağlamak açısından yararlı olabileceği makul görünüyordu.”
Yüksek lisans öğrencisi Diego Aldarondo, bilim adamlarının beynimizin hareketi yönlendirmek için kullandığına inandığı, ters dinamik modelleri olarak adlandırılan modelleri uygulamak üzere yapay sinir ağını eğitmek için DeepMind araştırmacılarıyla yakın işbirliği içinde çalıştı. Örneğin bir fincan kahveye uzandığımızda beynimiz, kolumuzun izlemesi gereken yolu hızla hesaplar ve bunu motor komutlarına dönüştürür. Benzer şekilde, gerçek farelerden alınan verilere dayanarak ağ, istenen hareketin referans yörüngesiyle beslendi ve onu oluşturacak kuvvetleri üretmesi öğrenildi. Bu, sanal farenin çok çeşitli davranışları, hatta açıkça eğitilmediği davranışları bile taklit etmesine olanak tanıdı.
Bu simülasyonlar, gerçek hayvanlar gibi davranmak üzere eğitilmiş yapay zeka simülasyonlu hayvanların, sinir devrelerini ve hatta bu tür devrelerin hastalık durumunda nasıl tehlikeye atıldığını incelemek için kullanışlı ve tamamen şeffaf modeller sağladığı, sanal sinir biliminde henüz kullanılmamış bir alan başlatabilir. Ölveczky'nin laboratuvarı beynin nasıl çalıştığına dair temel sorularla ilgilenirken, platform, örnek olarak, daha iyi robotik kontrol sistemleri tasarlamak için kullanılabilir.
Bir sonraki adım, sanal hayvana, gerçek farelerin karşılaştığı sorunlara benzer görevleri çözme konusunda özerklik vermek olabilir. Ölveczky şöyle devam etti: “Deneylerimizden, bu tür görevlerin nasıl çözüldüğüne ve yetenekli davranışların kazanılmasının altında yatan öğrenme algoritmalarının nasıl uygulandığına dair birçok fikrimiz var.” “Bu fikirleri test etmek ve gerçek beyinlerin karmaşık davranışları nasıl ürettiğine dair anlayışımızı ilerletmeye yardımcı olmak için sanal fareleri kullanmaya başlamak istiyoruz.”
Bu araştırma Ulusal Sağlık Enstitüleri'nden mali destek aldı.
Organizma ve Evrimsel Biyoloji Bölümü profesörü Bence Ölveczky, biyomekanik açıdan gerçekçi bir dijital sıçan modeli oluşturmak için Google'ın DeepMind AI laboratuvarındaki bilim adamlarıyla işbirliği yapan bir grup araştırmacıya liderlik etti. Gerçek farelerden kaydedilen yüksek çözünürlüklü verileri kullanarak, yerçekimi ve diğer kuvvetlerin mevcut olduğu MuJoco adlı bir fizik simülatöründe sanal bedeni kontrol etmek için yapay bir sinir ağını (sanal farenin “beyni”) eğittiler. Ve sonuçlar umut verici.
Bilim ve Google araştırmacıları, gerçek farelerden kaydedilen hareket verilerini kullanarak sanal bir fare yarattı.
Kredi bilgileri: Google DeepMind
Nature dergisinde yayınlanan araştırmada, (gerçek) fareleri karmaşık davranışları öğrenmeleri için eğitme konusunda uzman olan Ölveczky, araştırmacıların sanal kontrol ağındaki aktivasyonların, aynı davranışları üreten gerçek farelerin beyinlerinden ölçülen sinirsel aktiviteyi doğru bir şekilde tahmin ettiğini bulduğunu söyledi. sinir devrelerini inceleyin. Ölveczky, bu başarının, derin takviyeli öğrenme ve yapay zekanın yanı sıra özgürce davranan hayvanlarda 3 boyutlu hareket takibindeki gelişmelerden yararlanarak beynin hareketi nasıl kontrol ettiğini incelemeye yönelik yeni bir yaklaşımı temsil ettiğini söyledi.
Ölveczky, işbirliğinin “harika” olduğunu söyledi. “DeepMind, biyomekanik ajanları karmaşık ortamlarda hareket edebilecek şekilde eğitmek için bir boru hattı geliştirmişti. Bu tür simülasyonları yürütecek ve bu ağları eğitecek kaynaklara sahip değildik.”
Ortak yazar ve Google DeepMind Kıdemli Araştırma Direktörü Matthew Botvinick, Bilim araştırmacılarıyla çalışmanın da aynı şekilde “bizim için gerçekten heyecan verici bir fırsat” olduğunu söyledi. “Somutlaşmış aracılar oluşturmanın zorluğundan çok şey öğrendik: Yalnızca akıllıca düşünmekle kalmayıp aynı zamanda bu düşünceyi karmaşık bir ortamda fiziksel eyleme dönüştürmek zorunda olan yapay zeka sistemleri. Aynı yaklaşımı sinirbilim bağlamında ele almanın, hem davranış hem de beyin fonksiyonuna dair içgörü sağlamak açısından yararlı olabileceği makul görünüyordu.”
Yüksek lisans öğrencisi Diego Aldarondo, bilim adamlarının beynimizin hareketi yönlendirmek için kullandığına inandığı, ters dinamik modelleri olarak adlandırılan modelleri uygulamak üzere yapay sinir ağını eğitmek için DeepMind araştırmacılarıyla yakın işbirliği içinde çalıştı. Örneğin bir fincan kahveye uzandığımızda beynimiz, kolumuzun izlemesi gereken yolu hızla hesaplar ve bunu motor komutlarına dönüştürür. Benzer şekilde, gerçek farelerden alınan verilere dayanarak ağ, istenen hareketin referans yörüngesiyle beslendi ve onu oluşturacak kuvvetleri üretmesi öğrenildi. Bu, sanal farenin çok çeşitli davranışları, hatta açıkça eğitilmediği davranışları bile taklit etmesine olanak tanıdı.
Bu simülasyonlar, gerçek hayvanlar gibi davranmak üzere eğitilmiş yapay zeka simülasyonlu hayvanların, sinir devrelerini ve hatta bu tür devrelerin hastalık durumunda nasıl tehlikeye atıldığını incelemek için kullanışlı ve tamamen şeffaf modeller sağladığı, sanal sinir biliminde henüz kullanılmamış bir alan başlatabilir. Ölveczky'nin laboratuvarı beynin nasıl çalıştığına dair temel sorularla ilgilenirken, platform, örnek olarak, daha iyi robotik kontrol sistemleri tasarlamak için kullanılabilir.
Bir sonraki adım, sanal hayvana, gerçek farelerin karşılaştığı sorunlara benzer görevleri çözme konusunda özerklik vermek olabilir. Ölveczky şöyle devam etti: “Deneylerimizden, bu tür görevlerin nasıl çözüldüğüne ve yetenekli davranışların kazanılmasının altında yatan öğrenme algoritmalarının nasıl uygulandığına dair birçok fikrimiz var.” “Bu fikirleri test etmek ve gerçek beyinlerin karmaşık davranışları nasıl ürettiğine dair anlayışımızı ilerletmeye yardımcı olmak için sanal fareleri kullanmaya başlamak istiyoruz.”
Bu araştırma Ulusal Sağlık Enstitüleri'nden mali destek aldı.