Künstliche neuronale Netzwerke wachsen Navigationszellen wie im Gehirn

Ursprünglicher Autor: John Rennie
  • Übersetzung


Mit der Fähigkeit, eine Abkürzung zu finden, sieht der direkteste Punkt von "A" bis "B" heute nicht nach einer beeindruckenden Prüfung der Angemessenheit aus. Doch nach einem neuen Bericht, der veröffentlicht , in dem Forscher auf ihrem Navigationssystem der künstlichen Intelligenz haben in der Zeitschrift Nature, vor einiger Zeit berichtet, die Fähigkeit , komplexe simulierten Raum zu erkunden und den kürzesten Weg zum Ziel zu finden, setzen Sie ein solches System auf einer Ebene mit dem Mann und andere Tiere.

Überraschenderweise war der Schlüssel für die gewünschte Leistung , dass , wenn ein Netzwerk spontan kultiviert Äquivalent "Training Gitter Neuronen » (Gitterzellen) - eine Vielzahl von Zellen im Gehirn, die eine Anzahl von Säugetier erlaubt , ihre Position im Raum zu verfolgen.

Für Neurowissenschaftler könnte diese Arbeit ein wichtiges Bindeglied für das Verständnis sein, wie Neuronen des Gitters im lebenden Gehirn die Entwicklung von Navigationsfähigkeiten ermöglichen. Die Arbeit zeigt auch, wie neuronale Netze einen großen Einfluss auf die zukünftige Forschung haben können. Neil Burgess vom University College London, der nicht an der Studie teilnahm, schlug vor, dass solche Systeme "einen fruchtbaren Boden für das Verständnis bieten sollen, wie und warum das Gehirn auf diese Weise funktioniert".

Für Forscher auf dem Gebiet der künstlichen Intelligenz sind die Vorteile dieser Arbeit für die Verbesserung von automatisierten Navigationssystemen offensichtlich. Sie kann jedoch noch mehr zu den allgemeinen Prinzipien des Verstehens des Intellekts und der Entwicklung intelligenter Systeme beitragen.

Laut den Forschern Andrea Banino von DeepMind und Caswell Barry vom University College London, die die Hauptautoren des Artikels Nature waren, entwickelte sich das Projekt aus der Frage nach der Funktion der untersuchten Gittereuronen. Gitterneuronen werden oft als GPS des Gehirns bezeichnet, da sie bei der Navigation vieler Tiere eine wichtige Rolle spielen. Edward Moser und May-Britt Moser erhielten den Nobelpreis 2014 für ihre Entdeckung vor neun Jahren. Diese in sechseckigen Arrays organisierten Cluster von Neuronen liefern ähnliche Ergebnisse wie Inertialnavigationssysteme von Schiffen, Flugzeugen und Raketen - sie vermitteln ein Verständnis der Körperbewegungen im Weltraum auch in völliger Dunkelheit. "Relativ ausgedrückt, sie aktualisieren Ihre Vorhersage, wo Sie sich darauf beziehen, wie Sie sich bewegen", fügte Barry hinzu.

Aus diesem Grund schreiben Neurowissenschaftler den Neuronen des Gitters die Funktion der "Pfadintegration" zu - eine unbewusste intuitive Navigationsform, die externe Signale nicht berücksichtigt: "Nehmen Sie beispielsweise fünf Schritte vor, drehen Sie sich um 90 Grad nach links und gehen Sie weitere 15 Schritte vor". Einige Experimente ergaben jedoch Hinweise darauf, dass diese Neuronen andere Funktionen ausführen, sogar über die Navigation hinaus. Einige Experimente zeigten zum Beispiel die Beteiligung dieser Art von Neuronen an Aufgaben wie dem Messen von Zeit und Entfernung während der Bewegung. Wie Barry bemerkt, können Gittereuronen, wenn sie einen räumlichen Bezug zu Objekten und Orten bieten, „im Prinzip verwendet werden, um direkte Routen zwischen diesen Punkten zu berechnen“, was im Wesentlichen als „Vektor-Navigation“ bezeichnet wird.

Um die Rolle dieser Neuronen bei Navigationsaufgaben zu untersuchen, entschieden sich die Forscher für neuronale Netzwerke mit tiefem Lernen. Um zu verstehen, wie die Pfadfindung funktioniert, haben sie zunächst ein neuronales Netzwerk für einen Agenten erstellt, der sich in einem kleinen, simulierten Raum bewegt. "Wir wollten verstehen, ob wir ein neuronales Netzwerk so erstellen können, dass es selbst eine Art Nervenzellen entwickelt", sagte Barry.

Das neuronale Netzwerk hat die Aufgabe erfüllt und laut Barry ist es "erstaunlich, wie gut es funktioniert hat." Im Verlauf der Arbeit traten spontan „Rastereinheiten“ auf, die dem, was wir im Gehirn von Tieren sehen, bis zum Format des Sechseckgitters auffallend ähnlich sind.



Diese Bilder zeigen die Reaktionen von lebenden und künstlichen Neuronen. Die im neuronalen Netz für Navigationsaufgaben spontan entstehenden Gittermodule sind den Neuronen des Gitters im Gehirn auffallend ähnlich, bis zu ihrer sechseckigen Form.

Die Forscher fügten dem System dann neuronale Netzwerkfunktionen hinzu, mit denen simulierte Agenten den richtigen Weg zum Ziel im virtuellen Labyrinth finden konnten. Das System mit den Gittermodulen übertraf das analoge System ohne sie um eine Größenordnung. Zum Beispiel könnte das System verstehen, ob die zuvor geschlossene Passage dem Ziel einen kürzeren Weg gab und ihn auswählte. Laut Banino zeigte diese Fertigkeit, dass die Gittermodule im neuronalen Netzwerk die Vektor-Navigation bereitstellten, da sie kürzere und direktere Pfade basierend auf der Position des Ziels erkannten.

"Ich denke, dass wir dank dieser Arbeit beweisen konnten, wie die Neuronen des Gitters verwendet werden, um die Suche nach dem kürzesten Weg zu schaffen", sagte Banino. Die Ergebnisse bestätigen somit die Theorie, dass die Gittereuronen im Gehirn sowohl die Aufgabe der Integration des Pfads als auch die Aufgabe der Vektornavigation ausführen können. Vergleichbare experimentelle Beweise für Lebewesen seien um eine Größenordnung schwieriger, fügte er hinzu.



In einer Reihe von Experimenten zum Durchgang eines Labyrinths konnten alle getesteten neuronalen Netzwerke das Ziel erreichen. Wenn jedoch eine der Barrieren beseitigt wurde, erkannte dies nur das Netzwerk mit Neuronen des Gitters und wählte diesen Pfad als den vorzuziehenden Weg. Die übrigen Systeme wählten weiterhin die verfügbaren Routen aus.

"Eine interessante Schlussfolgerung ist, dass ein ähnlicher Ansatz auch für andere neurowissenschaftliche Aufgaben verwendet werden kann", sagte Barry. Zum Beispiel denken Forscher über das Management von Gliedmaßen nach. Neuronale Netzwerke könnten unterrichtet werden, um eine Roboterhand zu steuern, genauso wie das Gehirn eine lebende Hand steuert, und dann eine Reihe von Experimenten durchführen, die wichtige Hinweise darauf geben können, wie diese Prozesse in lebenden Systemen ablaufen. "Dieser Ansatz kann möglicherweise zu einem universellen Instrument in der Neurowissenschaft werden."

"Das ist ein beeindruckendes Ergebnis", resümierte Stefan Leitgeb, Professor für Neurowissenschaften an der University of California in San Diego. „Ich denke, sie haben ein sehr gutes Argument gefunden, dass die Vektornavigation eine Funktion des Neuronengitters ist. Für lange Zeit war dies nur eine Annahme, aber ich denke, sie sind der Lösung eines möglichen Mechanismus so nahe wie möglich gekommen. “

Zur gleichen Zeit stellte er fest: „Jeder rechnerische Ansatz hat seine Grenzen. Und die Tatsache, dass es an einem Modell arbeiten kann, bedeutet nicht, dass es in lebenden Organismen so funktioniert. “

Francesco Savelli, Neurowissenschaftler an der Johns Hopkins University, der die Kommentare, die den Artikel begleiteten, mit verfasste, hat eine ähnliche Ansicht. Er findet es sehr interessant, dass "man die Neuronen des Gitters irgendwie bekommt, ohne sie direkt zu programmieren, aber sie erscheinen immer noch als Selbstorganisation". Aber gleichzeitig "weil es kein exaktes biologisches System ist, können Sie nicht ganz sicher sein, welche Art von Schlussfolgerung es gibt."

"Solange Sie nicht in diese Black Box hineinschauen können und das Netzwerk biologischer werden lässt, werden Sie irgendwann an der Grenze der neurobiologischen Forschung sein", sagte er.

Auf der anderen Seite ist es aus technischer Sicht ermutigend, dass "diese tiefen Lernsysteme Probleme lösen können, die den höheren kognitiven Funktionen des Gehirns immer ähnlicher sind", sagte Savelli. "Dies ist eine gute Demonstration der Tatsache, dass tiefes Lernen auf Aufgaben wie höhere kognitive Funktionen ausgedehnt werden kann."

Es ist davon auszugehen, dass Forscher von DeepMind dieses Navigationsnetzwerk nutzen wollen, um beispielsweise die Fähigkeiten von Forschungsrobotern oder zukünftigen Drohnen-Drohnen zu verbessern. Laut Banino sind ihre Pläne jedoch weniger fokussiert und ehrgeiziger. "Wir glauben, dass die Navigation eine der grundlegenden Eigenschaften von Intelligenz ist", sagte er. "Persönlich denken wir nicht an andere Zwecke, als einen universellen Algorithmus zu erstellen."

"Das Gehirn ist das einzige Beispiel für einen universellen Algorithmus", fügte er hinzu. "Warum also nicht von ihm lernen?"

Jetzt auch beliebt: