OPENTadpole: das erste kybernetische Tier

    Bild

    Hallo liebe Community GeekTimes! Nach meinem langen Schweigen möchte ich mein neues Projekt vorstellen. OPENTadpole ist eine Anwendung, die aus einem voll ausgebildeten Editor des Nervensystems der Froschkaulquappe und einer physischen Emulation des Körpers der Kaulquappe und der äußeren Umgebung besteht. Die Fähigkeit, das Tier von Grund auf zu erstellen, anzupassen und zu bearbeiten, und sofort zu sehen, wie sich Ihre Kreation in ihrem Verhalten widerspiegelt.



    Vor etwa einem Jahr wurde eine Reihe von Artikeln über die Entwicklung eines Nervensystem-Simulators abgeschlossen, und die von mir entwickelte Anwendung hatte eine Reihe von Fehlern. Der amateurhafte Code erlaubte keine Erweiterung und Entwicklung der Anwendung. Es ist erwähnenswert, dass die damals entwickelte Anwendung es uns ermöglichte, die grundlegenden Mechanismen und die theoretische Plattform des Simulationssystems zu demonstrieren und zu entwickeln, an die ich mich halten. Es wurde beschlossen, den Code erneut zu überarbeiten, und zwar aus einer genaueren Darstellung der Entitäten und ihrer Funktionalität in der endgültigen Version der Anwendung.

    Erstens habe ich meine Lieblings-Unity-Game-Engine für meine Entwicklung verwendet und die Essenz des Neuroelements mit dem GameObject verbunden. Seine Logik wurde auf Korunden ausgeführt. Wenn die Netzwerkskala wächst, wird dies zu einem fatalen Problem. Die Anwendung schleicht sich aufgrund der engen Verbindung des neuronalen Netzwerks ein Grafikteil der Anwendung. Die Entscheidung war natürlich, den Grafikteil von der Systemlogik zu trennen, die Logik sollte in separaten Threads ausgeführt werden, und der Grafikteil kann sich nur periodisch auf die Netzwerkelemente beziehen, um die stattfindenden Änderungen widerzuspiegeln. Dieser Ansatz bietet einen weiteren Vorteil: die Möglichkeit, nicht nur die im Netzwerk ablaufenden Prozesse zu überwachen, sondern auch mit den Ergebnissen seiner Berechnungen zu interagieren, um beispielsweise das Netzwerk in einen bestimmten virtuellen Agenten einzutauchen und zu beobachten

    Zweitens wurde beschlossen, das Konzept des Editors zu überarbeiten, obwohl 3D als effektivere Visualisierungsmethode betrachtet wird. Ich entschied mich für 2D. Ich dachte immer, in einer dreidimensionalen Organisation des Nervensystems gäbe es eine bestimmte Schlüsselbedeutung, und aus Angst, etwas aus den Augen zu verlieren, strebte ich nach einer dreidimensionalen Organisation des Editors und des Systems. Aber jetzt verstehe ich, dass es ausreichend ist, einen konstruktiven flachen Editor mit Ebenen oder Ebenen anzuwenden, da selbst die Rinde der großen Halbkugeln eine mehrschichtige Struktur hat und das Arbeiten in einer Ebene dem Endbenutzer eine bequemere Navigation und Organisation der Arbeit mit dem Editor ermöglicht, insbesondere wenn dies zu groß ist Arrays von Elementen.

    Wenn man bedenkt, dass ich alleine arbeite und Anwendungen im Bereich der Kybernetik zu entwickeln, ist dies nicht meine Hauptaktivität, ging die Entwicklung langsam voran, und gleichzeitig wollte ich schon lange zeigen, wie sich meine Ideen auf Tiere mit einem einfachen Nervensystem wie Muscheln anwenden lassen. ein Wurm oder eine Art Insekt. Ich mag das OpenWorm-Projekt sehr, ein Computermodell des Caenorhabditis elegans-Wurmes zu erstellen, dessen Nervensystem aus 302 Neuronen besteht und dessen Verbindung vollständig hergestellt wurde. Das Projekt besteht aus zwei Teilen: Modellieren der neuronalen elektrischen Eigenschaften des Nervensystems des Wurms und Modellieren der mechanischen Eigenschaften des Körpers während des Schwimmens. Ich habe dieses Konzept auf mein Projekt angewendet, einen Hinweis darauf, was im Namen des Projekts zu sehen ist. Die Wahl des simulierten Tieres wurde durch die Aufzeichnung der Rede von Roman Matveyevich Borisyuk beeinflusst. Dabei sprach er über ein Projekt zur Modellierung des Nervensystems einer zweitägigen Froschkaulquappe. Inspiriert durch dieses Video beschloss ich, mich mit dem Nervensystem-Simulator zu beschäftigen, dem ich den Namen OPENTadpole gab.

    Eine theoretische Plattform, die behauptet, die Mechanismen des Nervensystems zu erklären, sollte sowohl auf der Skala einfacher Nervensysteme als auch auf der Skala von Nervensystemen funktionieren, die kognitive Funktionen erfüllen. Häufig finden sich an die Autoren der neugebildeten Theorien über die Arbeit des Gehirns Hinweise, die besagen, dass es vor der Simulation großflächiger neuronaler Netzwerke lohnenswert ist, zu zeigen, wie ihre Theorien auf die einfachsten Tiere und ihr Nervensystem angewendet werden können. Eine ausweichende Antwort auf diese Bemerkungen ist zu hören, dass sich die Eigenschaften neuronaler Systeme nur in sehr großen, riesigen Maßstäben manifestieren, und das Leben der primitiven Kreaturen spielt keine Rolle, wenn es darum geht, kognitive Probleme zu lösen. Solche Ungerechtigkeiten und Wahnvorstellungen sind für mich zu einem weiteren Grund geworden, sich auf das Leben und Verhalten der zweitägigen Kaulquappe des Frosches zu konzentrieren.

    Kybernetische Tiere mit dem Nervensystem


    Natürlich hat der Mensch bereits einige kybernetische Mechanismen geschaffen, die bestimmte Aspekte des Verhaltens von Tieren imitieren, zum Beispiel mechanische Enten von Wacanson, die nicht nur mit den Flügeln schlagen, Streunahrung piksten, sondern auch eine Ähnlichkeit mit dem Verdauungssystem mit allen begleitenden Prozessen hatten. Künstliche Tiere mit einem Nervensystem, das ihrem biologischen Gegenstück ähnelt, sind jedoch eher selten. Lassen Sie uns einen kurzen Überblick über die Welt der kybernetischen Tiere geben, damit Ihnen klar wird, wo ich so viel Kühnheit hatte, meine Kaulquappe das erste kybernetische Tier mit einem künstlichen Nervensystem zu nennen.

    Und wir beginnen nicht mit einem Tier, sondern mit einer legendären Persönlichkeit - Henry Markram. Henry Markham ist ein Wissenschaftler, der als Pionier in der Erforschung synaptischer Verbindungen bekannt ist. Er war einer der ersten, der die sequenzielle Version der Hebb-Regel systematisch untersuchte. Henry Markram wurde jedoch als Schöpfer der teuersten Gehirnimitation der Welt berühmt. Dem Wissenschaftler und seinen Kollegen zur Verfügung standen nicht nur die größten Mittel, die jemals für solche Zwecke zur Verfügung standen, sondern auch die leistungsfähigsten Rechenressourcen des Blue Gene Supercomputersvon IBM. Der Name des Computers und gab den Vornamen des Projekts an: "Blue Brain Project", 2013 umbenannt in "The Human Brain Project". Trotz der Tatsache, dass sie jetzt im Titel des Projekts über das menschliche Gehirn sprechen, wird an einem Modell eines kleinen Bruchstücks der Hirnrinde der Maus gearbeitet. Projektmanager haben große Pläne, angefangen mit einem kleinen Fragment des Mausgehirns bis hin zum vollständigen Modell des menschlichen Gehirns. Im Jahr 2009 versprach Markam, der Hauptkurator des Projekts, dass in zehn Jahren eine Computerimitation des gesamten menschlichen Gehirns erscheinen würde. Viele Leute denken, Henry Markram sei ein Scharlatan, und wenn Sie seinen Reden zuhören, richten sie sich eher an vermögende Investoren, die sich mit Neurowissenschaften nicht so gut auskennen, als auf ihre Kollegen.



    In der gesamten Geschichte des Projekts gibt es neben schönen grafischen Materialien, blinkenden Neuronengirlanden, eine praktisch nützliche Studie. Es wurden etwa zwanzig 3D-Modelle von Neuronen bestimmter Typen erstellt, die die Topologie realer Neuronen vollständig wiederholen und dabei alle Kurven und Verzweigungen von Dendriten berücksichtigen. Dann wurde ein kleiner Bereich des Cortex konfiguriert, in dem die vorbereiteten Neuronenmodelle nach bestimmten Regeln lokalisiert wurden, die Neuronenmodelle jedoch zufällig ausgewählt wurden. Anschließend wurden Statistiken aus dem resultierenden Modell erhoben: Wo sich die Dendriten schneiden, in welcher Entfernung vom Zellkörper, welche Art von Kontakten.

    Die erhaltenen Statistiken wurden mit ähnlichen Statistiken verglichen, jedoch aus dem biologischen Nervensystem gewonnen und sehr wichtige Ergebnisse erzielt: Die Bildung von 80% der synaptischen Verbindungen im Cortex unterliegt dem Zufall. Ie Wo sich frei wachsende Dendriten, Axone und Kollaterale treffen, können sich Synapsen bilden und keine chemischen Marker. In einigen Fällen ist die Selektivität der Bildung von Synapsen natürlich nicht ausgeschlossen, und es lässt sich auch nicht schließen, dass die Qualität der Verbindungen zufällig ist. Eine Synapse kann zufällig im Verlauf des Neuronenwachstums gebildet werden, aber ihre Stärke (Gewicht) kann durch die Vitalaktivität des Nervensystems und des Tieres bestimmt werden.

    Es ist zwar unmöglich, im Human-Brain-Projekt über eine kybernetische virtuelle Maus zu sprechen, sie ist jedoch noch weit von einem vollständigen Maus-Gehirnmodell entfernt. Auf Kosten der Ressourcen von IBM kündigte ein anderer Forscher, Dharmendra Mohda, 2009 ein Projekt zur Schaffung einer digitalen Imitation des Gehirns der Katze an. Diese Aussage löste bei Markram große Empörung aus, was zu einem wütenden offenen Brief an den Chief Technology Officer von IBM führte. Niemand mag die Konkurrenz, aber wir sehen es lieber im Kampf von virtuellen Katzen und Mäusen als in der Aufmerksamkeit der IBM-Köpfe, der Anführer kostspieliger Nachahmungen. Nach so vielen Jahren gab es keine wesentlichen Veränderungen und Entwicklungen auf dem Gebiet der Nachahmung des Säugetiergehirns.

    Openworm- ein sehr berühmtes Projekt zur Erstellung eines Imitationsmodells eines Nematoden (Fadenwurms) der Art Caenorhabditis elegans. Dieser Wurm zeichnet sich dadurch aus, dass er die einzige Tierart ist, für die die vollständige Verbindung des Nervensystems, bestehend aus 302 Neuronen und etwa 7.000 synaptischen Verbindungen, hergestellt wird. Selbst für ein so kleines Nervensystem wie in c. elegans, die ein connectoma herstellen, erwiesen sich als titanische Arbeit. Zunächst wurde der Wurm einem komplexen Verfahren unterzogen - der Serienmikroskopie, der Erstellung einer Serie von Fotografien von Querschnitten des Körpers. Es war notwendig, sehr dünne Schnitte von wenigen Mikrometern herzustellen und dann mit einem Elektronenmikroskop hochauflösende Bilder zu erzeugen. Bei einem Erwachsenenwurm von 1-2 mm stellte sich dies als schwierige Aufgabe heraus. Der verfügbare Atlas der Fotos besteht aus 3 Würmern, da das Nervensystem c. Elegans hat eine erstaunliche Strukturstabilität und Wiederholbarkeit. Zweitens, es dauerte mehr als sieben Jahre intensiver Bildstudien, das Wissenschaftlerteam, um die Verbindungen des Nervensystems zu kartieren, die resultierende Datenbank wird immer noch angepasst.

    Leider ist es auf dem Foto nicht möglich, die Art und Stärke von synaptischen Verbindungen zu bestimmen. Als Ergebnis haben wir eine Beschreibung von Verbindungen ohne eine Vorstellung von ihren funktionalen Zwecken.

    Der nächste Schritt zum Verständnis der Natur des Nervensystems c. elegans wird zum Versuch, eine Computersimulation eines Wurms zu erstellen. Das digitale Modell ist insofern günstig, als der Experimentator die Einstellungen seiner Elemente ändern und auswählen kann, so dass die Arbeit des gesamten Modells mit dem biologischen Analogon vergleichbar ist, sodass einige Organisations- und Funktionsgesetze des Nervensystems eines lebenden Organismus mithilfe einer Methode der empirischen Auswahl identifiziert werden können. Ohne eine allgemeine Theorie des Nervensystems und ohne eine theoretische Plattform ist eine solche Suche nach Gesetzen natürlich eine sehr schwierige Aufgabe, deren Lösung natürlich verzögert werden kann.
    Das Projekt wurde während des Unternehmens auf Kickstarter im Jahr 2014 besonders berühmt . Die OpenWorm-Community ist sehr fruchtbar: Es wurde ein dreidimensionaler Atlas von Nematoden geschaffen , in dem das Nervensystem detailliert ausgearbeitet wurde - jedes Neuron wird bezeichnet; Es wurde ein Geppetto- Modellierungs- und Visualisierungssystem erstellt und umfassend entwickelt . Simulation der mechanischen Eigenschaften des Körpers des Wurms und der äußeren Umgebung - Sibernetik, auf der unsere Landsleute arbeiten. Freiliegende kybernetische Nematoden, die vom Nervensystem kontrolliert werden, sind jedoch noch nicht erschienen. Es werden einige einfache Reflexe modelliert, die mit der Fortbewegung (Verschiebung) und dem Lösen bei Berührung mit der Vorderseite des Körpers zusammenhängen, aber die meisten neuronalen Schaltkreise und die damit verbundenen Nematoden bleiben unerforscht.

    Eines der neuesten sibernetischen Videos aus dem Kanal von Andrey Palyanov, der aus zwei verschiedenen Umgebungen Nematoden schwimmt, die durch einfache periodische Signale gesteuert werden, ohne dass virtuelle Nervenzellen beteiligt sind.



    Das nächste Projekt machte einen großen Eindruck auf mich, nachdem ich das nächste Video mit der Performance von Roman Matveyevich Borisyuk gesehen hatte. Ich entschied mich für ein Kaulquappenmodell in meinem Projekt.


    Eine wenig bekannte Projekt tadpoles.org.uk , erklärt bescheiden einige der grundlegenden Prinzipien und Gesetze der Organisation des Nervensystems. Wissenschaftler haben ein Modell für die Entwicklung des Nervensystems geschaffen, die Bildung dieses Systems in der ersten Entwicklungsphase des Tieres. Zunächst wird ein Modell erstellt: Dendriten und Axone wachsen nach bestimmten Regeln aus Neuronen, wobei einige Parameter des Kaulquappenkörpers mit einiger Wahrscheinlichkeit die Wachstumsrichtung der Prozesse beeinflussen. Dann bilden sich an den Kontaktstellen zwischen Dendriten und Axonen verschiedener Zellen Synapsen. Im Finale kann das Modell aktiviert werden und zeigt eine Aktivität ähnlich der Aktivität des Nervensystems einer lebenden Kaulquappe in dem für das Schwimmen verantwortlichen Teil.

    Es stellt sich heraus, dass es für das Nervensystem mit allen angeborenen Reflexen und Mechanismen notwendig ist, dass die Nervenzellen relativ einfachen Anweisungen folgen. Abhängig von ihrem Standort und der Zugehörigkeit zu bestimmten Zellgruppen - Ganglien - muss die Zelle ihre Dendriten und Axone in bestimmte Richtungen wachsen lassen und synoptische Kontakte mit Zellen und ihren Prozessen bilden, die sich in der Nähe dieser Prozesse befinden. ohne Selektivität. Der resultierende Fehler in der Struktur des neuronalen Netzwerks aufgrund von Abweichungen in der Wachstumsrichtung der Prozesse, während mögliche Hindernisse überwunden werden, wird durch die übermäßige Anwesenheit von Neuronen und Prozessen kompensiert.

    Für die schwimmende, wellenartige Kontraktion der Muskeln entlang des Körpers benötigt eine Kaulquappe etwa 1500 Neuronen, für Nematoden weniger als dreihundert. Eine Kaulquappe eines Frosches ist im Vergleich zu einem Spulwurm ein komplexeres und evolutionäres Tier, und die Zunahme der Anzahl von Neuronen ist hier nicht mit der Notwendigkeit verbunden, die Rechenleistung zu erhöhen, sondern mit der Zuverlässigkeit des Systems und der Kompensation der Ungenauigkeit von Neuronen als rechnerischen Elementen. Einige Forscher führen die Eigenschaften von Quantencomputern oder komplexen Computern einzelnen Neuronen zu. Dies ist jedoch grundlegend falsch. Ein Neuron ist in erster Linie eine biologische Zelle mit einem inhärenten Fehler in der Arbeit und der Instabilität. Daher ist es nicht sinnvoll, Zeit für die Rekonstruktion aller 86 Milliarden Neuronen des menschlichen Gehirns zu verwenden.

    Der wichtigste Ansatz


    Sie können viel Zeit, Geld und Mühe aufwenden, um die komplexesten Modelle komplexer Systeme zu erstellen, ohne praktisch bedeutende Ergebnisse zu erhalten, wenn die Basis keine genaue Vorstellung von der Funktionsweise der einzelnen Elemente des Systems ist und welche Funktionen diese Elemente innerhalb des Systems insgesamt erfüllen. Idealerweise müssen Sie das Ergebnis der Arbeit des Modells kennen, bevor es neu erstellt wird. Dies bestimmt den Erfolg bei der Lösung der gestellten Aufgaben und nicht die Verfügbarkeit eines Supercomputers und viel finanzielle Unterstützung.

    Jetzt wird viel Aufmerksamkeit auf neuronale Netze gelegt, die eine hohe Effizienz und große praktische Vorteile aufweisen. Ursprünglich waren neuronale Netzwerke als bestimmte Modelle für biologische neuronale Netzwerke positioniert, aber mit der Zeit und der Entwicklung der Neurobiologie wurde klar, dass das in der Nationalversammlung verwendete formale Neuron und das biologische nur einen Namen gemeinsam haben. Moderne neuronale Netzwerke sind ein leistungsfähiges mathematisches Werkzeug für die statistische Analyse. Es ist diese Positionierung der NA, wenn sie entwickelt werden, um eine höhere Effizienz zu erreichen. Statistische Analyse und Verarbeitung einer großen Anzahl von Daten, kein Modell des Nervensystems. Es ist möglich, dass auf der Plattform der Nationalversammlung eine Art künstliche Intelligenz auftauchen kann, aber wenn wir danach streben, Intelligenz wie den Menschen zu schaffen, sollten wir auf biologische neuronale Netzwerke achten.

    Neuronale Netzwerke haben sich bei der Lösung bestimmter Probleme im Vergleich zum Menschen bereits als wirksamer erwiesen, und es ist wünschenswert, dass sich ihre Entwicklung fortsetzt. Als Gehirnforscher hätte ich mehr Vertrauen in eine Maschine, die durch ein gut entwickeltes neuronales Netzwerk gesteuert wird, als eine Maschine, die durch ein virtuelles Nervenmodell eines biologischen Gewebes gesteuert wird. Tatsache ist, dass in den Mechanismen des Gehirns Elemente der Ungenauigkeit und begrenzten Wahrnehmung inhärent angeordnet sind, die natürlich zu Fehlern führen. Andererseits bieten diese Mechanismen ein großes Potenzial für Kreativität und Anpassung.

    Das vorherrschende mathematische Modell, das zur Schaffung biologisch ähnlicher neuronaler Systeme verwendet wird, ist das Hodgkin-Huxley-Modell, das bereits 1952 beschrieben wurde. Auf jeden Fall wird dieses Modell im Human Brain Project, in OpenWorm und in tadpoles.org.uk verwendet. Das Hodgkin-Huxley-Modell ist ein Gleichungssystem, das Ladungsschwingungen beschreibt, die auf der Oberfläche einer Neuronmembran entstehen. Das Gleichungssystem wurde aus der Elektrotechnik hinsichtlich der Beschreibung von Eigenschwingungen in einem elektrischen Schwingkreis übernommen. Alan Lloyd Hodgkin und Andrew Huxley fügten dem Gleichungssystem einige zusätzliche Elemente und eine Reihe von Koeffizienten hinzu und wählten sie so aus, dass das Ergebnis ihrer Arbeit mit den experimentellen Daten verglichen wurde, die sie bei der Untersuchung von Squidaxonen gewonnen hatten.

    Bild

    Das Hodgkin-Huxley-Gleichungssystem beschreibt eine Änderung des Potentials nur an einem Punkt der Membran. Um ein Bild der Ausbreitung der Erregung entlang der Membran und der Prozesse eines Neurons zu erhalten, können Sie das Neuronenmodell in einige Primitive unterteilen oder gleichwertige Punkte auswählen und das Gleichungssystem an jedem dieser Punkte lesen. Das Hodgkin-Huxley-Modell ist sehr realistisch und demonstriert die Ausbreitung des Aktionspotenzials über den Käfigkörper, aber das Modell erfordert große Rechenressourcen.

    In meiner Arbeit führe ich eine gewisse Neugestaltung des Nervensystems durch, isoliere das Wesentliche und verwerfe oder vereinfache bestimmte verwandte Prozesse und Phänomene. Das Wesen des Nervensystems und der Nervenzellen ist sehr vielfältig und komplex, es gibt viele chemische Reaktionen, intrazelluläre Prozesse und Phänomene, aber Sie sollten nicht alles auf das Modell übertragen, Sie müssen zuerst die Bedeutung und den funktionalen Zweck des Phänomens verstehen, andernfalls wird dies eine sinnlose Komplikation des Modells sein.

    Welche funktionale Bedeutung hat das Aktionspotential, das sich über die Neuronenmembran ausbreitet? - Die Übertragung von Informationen von einem Teil der Nervenzelle zu einem anderen. Die Information, dass die Nervenzelle durch Rezeptoren oder Synapsen aktiviert wurde, sollte an den Enden der Axonenden ankommen und ihre gesamte Länge überwinden, die im menschlichen Körper bis zu einem Meter betragen kann. Was ist in diesem Prozess wichtig? - Die Zeit vom Beginn der Aktivierung bis zur Übermittlung von Informationen über das Zielgebiet des Nervengewebes. Im Durchschnitt hängt die Ausbreitungsgeschwindigkeit eines Aktionspotentials von 1 m / s von verschiedenen Faktoren ab, beispielsweise vom Grad der Axonmyelinisierung. Dementsprechend kann die Verzögerungszeit unter verschiedenen Bedingungen unterschiedlich sein. Das Hodgkin-Huxley-Modell modelliert den Prozess der Nervenimpulsausbreitung entlang der Membran sehr realistisch.

    Wenn wir etwas vereinfachen können, bedeutet das, dass wir etwas verstehen. Die Idee, einfache Gesetze und Funktionen zu vereinfachen, die Hauptsache hervorzuheben und sie vom Minderjährigen zu trennen, kann als funktionaler Ansatz bezeichnet werden.

    Bild

    Wenn Sie versuchen, das menschliche Gehirn mit allen 86 Milliarden Neuronen zu modellieren, die Topologie der Prozesse zu wiederholen und sogar das Hodgkin-Huxley-Gleichungssystem in einem dichten Raster von Punkten auf der Neuronenoberfläche zu berechnen, reichen die Rechenressourcen auf der Erde nicht aus. Vorhersagen über das Erscheinungsbild solcher Modelle können zwanzig Jahre vor und nach diesen Jahren weitere zwanzig Jahre getroffen werden. Nun, die Ausbreitung des Aktionspotenzials ist nicht alles, Sie müssen jedoch die Logik der Interaktion von Neuronen verstehen. Um dieses Problem zu lösen, müssen Sie sich auf ziemlich einfache Nervensysteme konzentrieren, wie etwa das Nervensystem eines Wurms oder die Kaulquappe eines Frosches.

    Entwicklung


    Sie erwarten nicht, dass die Verwendung der Game-Engine in wissenschaftlichen Modellen ein Gefühl der Vorsicht in der Öffentlichkeit hervorrufen kann? - Ich wurde von einem großartigen Internetbenutzer ähnlich gefragt. Ja, ich habe nicht auf ein Standardisierungssystem zurückgegriffen, ich habe keine Sprachen zur Beschreibung biologischer Strukturen verwendet, nur weil es sehr zeitaufwändig ist, verwandtes Material zu studieren. Ich bin kein Wissenschaftler, sondern ein gewöhnlicher Knall mit einem dynamischen und wählerischen Leben, aber mit vielen Ideen, Kreativität und dem Wunsch nach Erkenntnissen. Daher wird die Zeit zwischen Familienleben, Arbeit und Schlaf der Modellierung mit den verfügbaren Mitteln zugewiesen. Die Unity-Game-Engine ist nur ein Werkzeug in meiner Arbeit, und sie ist sehr gut und praktisch in der Visualisierung.

    Das gesamte OPENTadpole-Projekt besteht aus nur zwei Szenen: dem Editor des connectom und der Simulation der Umgebung. Mit dem Editor im Entwicklungsprozess gab es keine ernsthaften Probleme, da ich bereits Erfahrung mit einer früheren Version des Nervensystem-Simulators hatte .

    Connect Connect Editor .gif
    Bild

    Die Hauptaufgabe in dieser Phase war die Trennung der Ausführung der Logik der Neuroelemente und der Visualisierung, die realisiert wurde.

    In der nächsten Phase arbeitete ich am Umgebungssimulator und realisierte schnell den Kaulquappenkörper aus Standardkomponenten von Unity. Der Körper einer Kaulquappe besteht aus 9 Segmenten, die durch Gelenke miteinander verbunden sind, einige virtuelle kinematische Paare und ein Paar virtueller Muskeln auf beiden Seiten. Virtuelle Muskeln haben eine gewisse Elastizität, die dem ganzen Körper Elastizität verleiht.

    Bild

    Die Muskelarbeit war dem virtuellen Nervensystem untergeordnet, das über Sicherungsdateien geladen wird, die für den Editor und die Simulationsumgebung üblich sind.

    Kugelförmige Kaulquappe im Vakuum .gif
    Bild

    Die Weiterentwicklung erforderte die Hinzufügung eines Systems, das die physikalischen Eigenschaften des Mediums simuliert, was für mich keine leichte Aufgabe war. Irgendwann habe ich es sogar bereut, dass die Wasservögel als vorbildliches Tier ausgewählt wurden. Der große Vorteil der Verwendung einer sehr beliebten Spiel-Engine ist natürlich, dass viele Add-Ons, Bibliotheken und Assets erstellt und entwickelt wurden. Ich habe versucht, mit mehreren Bibliotheken zu arbeiten, aber LiquidPhysics2D war das Beste. Es gibt keinen offiziellen Link zur Bibliothek, die Website des Unternehmens-Entwicklers funktioniert nicht mehr, aber wenn Sie möchten, können Sie es finden, Google, um zu helfen. Diese Bibliothek basiert auf der bekannten Box2D-Engine und ist sehr optimiert und mit vielen Beispielen einfach zu verwenden. Daher habe ich es geschafft, sie zu verwenden, obwohl ich viel Ausdauer in sie einsetzen musste.

    Partikel .gif
    Bild

    Die Berechnung der physikalischen Eigenschaften eines Fluids in Echtzeit erfordert eine hohe Rechenleistung. Daher kann selbst bei Verwendung einer gut optimierten Bibliothek ein stabiler Betrieb der Anwendung durch Beschränkung auf nur ein paar tausend Partikel erzielt werden.

    Ich wollte eine freischwebende Kaulquappe in einem ausreichend großen Bereich sehen, die starken räumlichen Einschränkungen würden die Arbeit des Modells nicht vollständig würdigen. Es wurde beschlossen, Partikel im Bereich der umgebenden Kaulquappe dynamisch zu erzeugen und zu entfernen, musste den Raum in spezielle quadratische Bereiche unterteilen und das Aussehen und die Entfernung von Partikeln in ihnen in Abhängigkeit von der Position der Kaulquappe regulieren.

    Quadrate .gif
    Bild

    Bild

    Damit der Benutzer nicht durch die tanzenden Quadrate verwirrt wurde, war der Bereich der Sichtbarkeit der Partikel begrenzt. Als Ergebnis gab es eine gewisse Aura, die Partikel um den Körper der Kaulquappe zeigte, die mit der Taste F12 ausgeschaltet werden kann.

    Aura gif
    Bild

    Das Ergebnis


    Der Zweck solcher Projekte besteht darin, einige allgemeine Regeln für die Organisation des Nervensystems und die Wechselwirkungsgesetze von Neuronen zu ermitteln, die das Verhalten des Tieres bestimmen. Das OPENTadpole-Projekt in dieser Hinsicht kann als vollständig abgeschlossen bezeichnet werden. Jeder kann sich als Schöpfer versuchen und den leeren virtuellen Kaulquappenkörper mit einem Nervensystem von Grund auf füllen, wodurch er sich im Weltraum aktiv bewegen und mit der Umgebung interagieren und in seiner eigenen engen und begrenzten Welt leben kann. Während der Entwicklung gab es tatsächlich viele positive Gefühle, als ich sah, wie meine Handlungen das Verhalten der Kaulquappe lebendiger machen.

    Das Archiv mit der Anwendung enthält eine ausgezeichnete, farbenfrohe Anleitung, die die wichtigsten Aspekte des Programms beschreibt, sowie eine Reihe von Speicherbeispielen, die zum Verständnis der Prinzipien des Nervensystems beitragen (Link am Ende des Artikels). Das Modell basiert auf den gleichen Grundsätzen, über die ich in meinen früheren Veröffentlichungen ( Teil 1 , Teil 2 ) gesprochen habe, und es gab keine Spekulationen über die elektromagnetische Wechselwirkung von Neuronen, nur was die großen Geister schrieben und Nobelpreise erhielten. Alles im Rahmen der wissenschaftlichen Lehre, aber verkürzt in einer neuen Form, kann als Lehrmittel verwendet werden.

    Schwimmen


    Das Herzstück der für das Schwimmen verantwortlichen neuronalen Kette ist der Generator der geordneten Aktivität. Solche Generatoren sind in allen Nervensystemen einfacher Tiere zu finden. Dies sind geschlossene Neuronenketten, die in der Lage sind, ohne Rückkopplung rhythmische Erregung zu erzeugen.

    Bild

    Die Generatorschaltung der geordneten Kaulquappenaktivität des Frosches wird durch vier Neuronen dargestellt, die symmetrisch im Körper der Kaulquappe angeordnet sind. Zwei Neuronen (dIN, violett) in diesem Schema haben ein spezifisches Merkmal. Sie kommen aus einem Hemmungszustand und erzeugen eine Aktivitätsspitze. Jedes dieser Neuronen aktiviert ein inhibitorisches (inhibitorisches) Neuron, das wiederum einen Kreuzeffekt auf das Neuron dIN hat. So stellt sich ein gewisser Kreislauf der nervösen Erregung heraus. Es ist möglich, diesen Generator mit einer einzigen Aktivierung eines der Neuronen des Generators zu starten, und es ist möglich, den Betrieb des Generators zu stoppen, wenn verhindert wird, dass einer der Neuronen in der Kette durch einen stärkeren Hemmeffekt aktiviert wird.

    Um Experimente im OPENTadpole-System durchführen zu können, wurden 4 Empfängerschlüssel F1, F2, F3 und F4 zugeordnet. In beispielssparenden F1-Rezeptoren startet der Generator, F2 unterdrückt die Aktivität darin.

    Die Generatoraktivität breitet sich abwechselnd entlang der rechten und linken Seite des Körpers der Kaulquappe aus, bis zu jedem Motoneuron, beginnend vom Kopf bis zur Schwanzspitze. Die Erregung erfolgt mit einer Verzögerung von 100 Millisekunden, da die Ausbreitung der Erregung eine endliche Geschwindigkeit hat. Die Ausbreitungsgeschwindigkeit der Erregung in verschiedenen Axonen kann variieren, in Axonen mit einem höheren Myelinisierungsgrad (einer dickeren Myelinschicht) ist die Geschwindigkeit höher. Zum Beispiel gibt es im Körper des Tintenfisches einige der größten Axone mit einem Durchmesser von praktisch bis zu 1 mm, die an dem Schutzreflex teilnehmen, wenn der Tintenfisch sich von dem schnellen und starken Pilz des Schwanzes abwendet, einer möglichen Gefahr aus dem Weg geht, hier ist eine hohe Signalübertragungsrate erforderlich.

    Im Nervensystem einer biologischen Kaulquappe gibt es viele ähnliche Generatoren, die sich entlang des Körpers befinden und in Reihe miteinander verbunden sind. Wenn nur ein einzelner Generator im Nervensystem einer Kaulquappe vorhanden wäre, würde dies ein großes Risiko verursachen, ein Neuron schädigen oder sogar eine Synapse dieses Schemas würde zu einem Bewegungsverlust führen. Bei der Computersimulation gibt es keine ähnlichen Probleme, daher genügt ein einzelner Generator für ein Modell.

    Manöver


    Die Kaulquappe hat die Fähigkeit, die Richtung ihrer Reise zu ändern und einige Manöver auszuführen, dazu ist es zum Zeitpunkt der Reise erforderlich, dass sich die Muskeln von der Seite, in der sich die Kaulquappe dreht, stärker oder intensiver zusammenziehen, während sie die gleiche Kontraktionsfrequenz beibehalten.

    Man kann sagen, dass die Signale im Nervensystem für alle Tiere diskret sind. Die Amplitude des Aktionspotentials ist immer und überall stabil, das Signal selbst hat einen kurzen, pico-ähnlichen Charakter. Gleichzeitig können wir jedoch leicht den Spannungsgrad der Muskeln ändern. Ganz glatt und präzise wird alles durch die Häufigkeit der Befehle bestimmt, die an die Muskelgruppen gesendet werden. Je öfter die Impulse, desto stärker die Kontraktion des Muskels. Somit steuert das Nervensystem die Muskelgruppen auf eine ziemlich flexible Weise, indem es die Häufigkeit der Aktivierungsimpulse steuert.

    Ein einfacher Mechanismus für die zeitliche Summierung eines Neurons ermöglicht die einfache Steuerung der Pulsfrequenz durch Ändern der Schwelle des Addierers. Die Höhe der Summationsschwelle in einem biologischen Neuron wird durch die Gesamtkonfiguration, die Neuronengröße, die Anzahl und die Dichte der Rezeptoren auf der postsynaptischen Membran, die Anzahl und die Dichte der Ionenkanäle der Membran im Allgemeinen aus dem Stoffwechsel der Nervenzelle bestimmt. Alle diese Parameter können sich in einer lebenden Zelle unter dem Einfluss einer modulierenden Wirkung aktiv ändern.

    Wir sind seit langem daran gewöhnt, dass sie bei der Beschreibung der Arbeit des Nervensystems nur von zwei Arten von synaptischen Effekten sprechen: stimulierend und hemmend. In Wirklichkeit ist dies jedoch eine tödliche Ungenauigkeit, die das Verständnis der Prinzipien des Nervensystems verzerrt. In seiner Arbeit beschrieb der amerikanische Wissenschaftler und Neurobiologe Eric Kandel den molekularen Mechanismus des synaptischen Effekts, der zu Stoffwechselveränderungen in der Zelle und der Synapse führt. Dafür erhielt er 2000 den Nobelpreis. Modulierende Neuronen und Modulationsmechanismen werden seit langem bei der Beschreibung der Prinzipien des Nervensystems verwendet, da diese Mechanismen eine wichtige Rolle in ihrer Arbeit spielen.

    Das Modell verfügt über eine eigene Art von synaptischer Verbindung, die sich über einen gewissen Zeitraum auf den Schwellenwert des Addierers auswirken kann - eine modulierende Synapse. Wenn Sie modulieren, verringern Sie die Additionsschwelle für das eingefügte modulierte Neuron (grün im folgenden Diagramm). Dadurch wird die Empfindlichkeit erhöht. Wenn Sie diese Option aktivieren, wird nicht nur eine Spitze, sondern eine ganze Reihe von Impulsen erzeugt. Durch Transformieren des Signals vom Generator ist es somit möglich, Manöver, Schwünge beim Schwimmen auszuführen. Wenn auf diese Weise Neuronen auf beiden Seiten gleichzeitig moduliert werden, ist die Kaulquappe einfach aktiver, um vorwärts zu schwimmen.

    Bild

    Das Thema Modulation im Nervensystem ist sehr umfangreich, obwohl ich mich in diesem Modell nur auf die Steuerung der Aktivierungsschwelle beschränke. In Anbetracht der Veränderungen, die im Nervensystem dynamisch auftreten können, können wir sagen, dass die Modulation sehr unterschiedlich sein kann, dass sie die Stärke von Synapsen und Änderungen in der Plastizität und den Grad der Abhängigkeit und den Zeitpunkt der synoptischen Verzögerung und der metabolischen Eigenschaften der Zelle ändert.

    Die Steuerung mit modulierenden Synapsen sowie die Steuerung des Generatorbetriebs ermöglichten die Verwirklichung einiger Schutzreflexe, z. B. den Beginn des Schwimmens, wenn die Kaulquappe berührt wird und die Abweichung in entgegengesetzter Richtung vom Kontakt abweicht, wodurch die Kaulquappe im virtuellen Aquarium frei schweben kann, während sie von ihren Wänden aus segelt.

    Wo etwas schwimmen?


    Die Kaulquappe hat schwimmen gelernt, und sie kann frei eine Richtung wählen, aber um diese Richtung zu wählen, braucht sie ein Ziel, und ein solches Ziel ist völlig gerechtfertigt, vielleicht Essen. Für den Nachweis von Lebensmitteln in Kaulquappen gibt es zwei spezielle Geruchsrezeptoren, die durch eine spezielle Linie, die "Brücke der Nase", getrennt sind, durch die der Rezeptor die Anwesenheit von Nahrung nicht wahrnehmen kann. Je näher die Nahrung ist, desto öfter wird der Rezeptor aktiviert, wobei das Quadrat der Entfernung berücksichtigt wird.

    Bild

    Natürlich ist ein solches Geruchsmodell eine starke Vereinfachung, aber im Rahmen der Simulation ist es durchaus akzeptabel.

    In den Beispielen durchlaufen Signale von zwei Rezeptoren zuerst eine Kette von Neuronen, in denen eine gegenseitige Unterdrückung auftritt, und wirken dann auf die motorischen Neuronen modulierend und steuern das Schwimmen einer Kaulquappe.

    Lebensmittel suchen .gif
    Bild

    Bild

    Braucht


    Ich wollte, dass das Verhalten der Kaulquappe etwas komplizierter ist, als nur dem Essen zu folgen. Daher wurde beschlossen, eine Simulation der Mechanismen der Bedürfnisse einzuführen. Erstens ist es das Bedürfnis nach Nahrung, Hunger ist ein natürlicher Wunsch, die für die Bewegung und Entwicklung des Körpers notwendige Energiequelle zu verbrauchen. Und natürlich sollte der Hunger einen anderen Grad haben, wenn das Tier gut gefüttert ist, sollte das Futter ihn nicht besonders interessieren. Zweitens ein nicht minder grundlegendes Bedürfnis nach Energieerhaltung, die sehr früh evolutiv geboren wurde und den Schlüsselwert im Verhalten aller Tiere trägt. Da wir faul und in unsere Essenz eingebettet sind, können wir unser Verhalten im Hinblick auf den Energieverbrauch optimieren. Wer mit weniger Energieverschwendung ein Ergebnis erzielt, ist erfolgreicher.

    Um diese beiden Bedürfnisse zu realisieren, wurden zwei spezielle Rezeptoren eingeführt. Je höher der Bedarf, desto öfter werden sie aktiviert. Das Sättigungsniveau nimmt mit der Zeit ab, die Rate dieser Abnahme wird vom Benutzer eingestellt, und das Ermüdungsgefühl sammelt sich in Abhängigkeit von der Intensität der Muskelkontraktionen.

    Bild

    In den Erhaltungsbeispielen kann man eine gewisse Konkurrenz zwischen diesen beiden Bedürfnissen beobachten: Müdigkeit kann durch nicht starken Hunger unterdrückt werden, aber starker Hunger ist stärker als selbst starke Müdigkeit.

    Jetzt ist das Verhalten der Kaulquappe noch lebendiger geworden, es hängt von inneren Motiven und Wünschen ab:

    Schwieriges Verhalten .gif
    Bild

    Schlussfolgerungen


    Die Kaulquappe schwimmt und isst, und noch viel mehr: Sie reagiert auf das Licht, berührt es, greift es am Kopf an, versucht zu flüchten (im Simulator vorgesehen), sucht und findet Nahrung, leidet unter Hunger und Müdigkeit, und das alles wird von virtuellen Neuronen gesteuert .

    Die maximal komplexe Kaulquappe besteht aus 63 Neuronen und 131 synaptischen Verbindungen. Caenorhabditis elegans hat 302 Neuronen, und eine biologische Kaulquappe benötigt 1.500 Neuronen nur für normales Schwimmen. Je mehr sich ein Tier entwickelt, desto höher ist die Redundanz von Neuronen bei der Lösung von Problemen, was auf evolutionäre Prozesse und die Notwendigkeit der Systemzuverlässigkeit zurückzuführen ist. Es ist immer noch schwierig, die Redundanz von Neuronen in Bezug auf das menschliche Gehirn zu beurteilen, aber meiner Meinung nach erfordert die Implementierung eines Computermodells in der Nähe des menschlichen Gehirns keine Quantencomputer oder Mainframes, einen leistungsfähigen Heimcomputer. Dies ist eine sehr kühne Aussage, die zum einen der Meinung vieler Experten zu diesem Thema widerspricht und zum anderen den Areola der Superkomplexität von dieser Aufgabe entfernt, ohne die es schwierig ist, fabelhafte Investitionen von den Anlegern zu schlagen.

    Pläne für die Zukunft


    OPENTadpole ist eine kleine Etappe, die auf einem langen Weg ein Werkzeug zur Modellierung komplexer Nervensysteme entwickelt, das meiner Meinung nach erfolgreich abgeschlossen wurde.

    Die nächste Aufgabe: Die Erstellung eines Modells, mit dem einfache Sprachbefehle genau wie Haustiere unterschieden werden können, sie erlernen und, falls erforderlich, eine Umschulung durchführen, wobei der Befehlskontext verstanden wird. Im Laufe meiner Arbeit werde ich versuchen, meine Forschung mit GT-Lesern zu teilen.

    OPENTadpole dowland für Windows-

    Quellcode

    Jetzt auch beliebt: