Ученые изучили нейронную активность мозга, создав виртуальную крысу с помощью нейросетей
Биологический мозг — пока что черный ящик для ученых. Результаты эксперимента открывают многообещающие возможности как для науки, так и для медицины. Расскажу об этом крайне любопытном и многообещающем эксперименте.
Ученые из Гарварда и DeepMind (Google) с помощью искусственного интеллекта (ИИ) создали виртуальную крысу, чтобы понять, как мозг контролирует движение. Оказалось, что эта цифровая крыса может предсказывать нейронную активность настоящих крыс даже лучше, чем все существующие инструменты.
Используя данные высокого разрешения от реальных крыс, исследователи обучили нейронную сеть («мозг» виртуальной крысы) управлять виртуальным телом в физическом симуляторе под названием MuJoco, где присутствуют гравитация и другие силы.
Что удалось понять?
Ученые обучили нейронную сеть осуществлять так называемые модели обратной динамики, которые использует наш мозг для управления движением. Например, когда мы тянемся за чашкой кофе, наш мозг быстро вычисляет траекторию, по которой должна двигаться рука, и преобразует ее в двигательные команды.
Сети была подана эталонная траектория желаемого движения, и она научилась создавать силы для ее создания. Это позволило виртуальной крысе имитировать самые разнообразные модели поведения, даже те, которым ее специально не обучали.
Следующий шаг - использовать виртуальных крыс, чтобы проверить эти идеи и помочь лучше понять, как реальный мозг генерирует сложное поведение.
Что это дает?
Физическое моделирование биомеханически реалистичных виртуальных животных может помочь понять структуру нейронной активности в поведении и связать ее с известными принципами управления движениями.
Эти симуляции могут открыть новую область виртуальной нейронауки, в которой смоделированные с помощью ИИ животные становятся моделями для изучения повреждаемых при заболеваниях нейронных цепей.
В целом с помощью таких инструментов можно будет лучше продвинуться в понимании нейронных механизмов, лежащих в основе обучения, памяти и координации движений.
Полученные знания могут быть использованы в робототехнике, реабилитации и протезированиие, интерфейсах "мозг-компьютер" (BCI), в моделировании и симуляции поведения.
Источник - статья в Nature.