Използвайки машинно обучение, компютърен модел може да се научи "да помирисва" само за няколко минути. Според изследователски екип на MIT, когато това стане, той изгражда невронна мрежа, която имитира точно обонятелните вериги, създавани от мозъците на животните при обработка на миризми.
Всички животни - от плодови мухи до хора, използват по същество един и същ модел за обработка на обонятелна информация в мозъка. Сега обаче невролози, които обучават изкуствена невронна мрежа на простата задача да класифицира миризми, изненадващо установяват, че тя възпроизвежда много точно биологичните модели.
"Алгоритъмът, който използваме, няма никаква прилика с действителния процес на еволюция", казват от екипа на MIT и добавят, че приликите между изкуствените и биологичните системи предполагат, че обонятелната мрежа на мозъка е оптимално подходяща за задачата си. Очаква се откритието, публикувано в списание Neuron, да помогне на изследователите да научат повече за обонятелните вериги на мозъка.
Проектът също така помага да се демонстрира значението, което изкуствените невронни мрежи могат да имат за неврологията. "Като показваме, че можем да съпоставим много точно архитектурата на биологичната система, това дава повече увереност, че тези невронни мрежи могат да продължат да бъдат полезни инструменти за моделиране на мозъка", смятат от екипа.
Картографиране на естествените обонятелни вериги
За плодовите мушици - организмът, в който обонятелните вериги на мозъка са картографирани най-добре, миризмата започва в антените. Сензорните неврони там, всеки снабден с рецептори за миризма, специализирани за откриване на специфични аромати, трансформират свързването на молекулите на миризмата в електрическа активност. Когато се открие миризма, тези неврони, които съставляват първия слой на обонятелната мрежа, сигнализират към втория слой - набор от неврони, които се намират в част от мозъка.
За екипа на MIT това знание за обонятелната система на мухата представлява уникална възможност. Малко части от мозъка са картографирани така изчерпателно и това затруднява оценката доколко определени изчислителни модели представят истинската архитектура на невронните вериги, казват те.
Изграждане на изкуствена мрежа за миризми
Невронните мрежи, в които изкуствените неврони трябва да изпълняват специфични задачи, са изчислителни инструменти, вдъхновени от мозъка. Те могат да бъдат обучени да прилагат модели в сложни масиви от данни, което ги прави ценни за разпознаване на реч и изображения и други форми на употреба на изкуствения интелект. Според много от учените именно невронните мрежи, които изпълняват подобни задачи, в най-голяма степен възпроизвеждат дейността на биологичната нервна система. Според екипа на MIT обаче различно структурираните мрежи могат да генерират подобни резултати и невролозите тепърва трябва да разберат дали изкуствените невронни мрежи отразяват действителната структура на биологичните вериги. Затова и според тях проектът им може да отговори на въпроса могат ли изкуствените невронни мрежи наистина да се използват за изследване на мозъка.
Учените изграждат мрежа от изкуствени неврони, копие на обонятелната система на плодовата мушица, и ѝ възлагат задачата правилно да категоризира не само отделни миризми, но и смеси от миризми - нещо, в което биологичната обонятелната система е уникално добра. В крайна сметка изкуствената мрежа има нужда от едва няколко минути, за да се организира, а структурата, която се появява, удивително наподобява тази, открита в мозъка на плодовата муха.
Използвайки машинно обучение, компютърен модел може да се научи "да помирисва" само за няколко минути. Според изследователски екип на MIT, когато това стане, той изгражда невронна мрежа, която имитира точно обонятелните вериги, създавани от мозъците на животните при обработка на миризми.
Всички животни - от плодови мухи до хора, използват по същество един и същ модел за обработка на обонятелна информация в мозъка. Сега обаче невролози, които обучават изкуствена невронна мрежа на простата задача да класифицира миризми, изненадващо установяват, че тя възпроизвежда много точно биологичните модели.