I ricercatori hanno abbinato un modello di deep learning con dati sperimentali per “decodificare” l’attività neurale del topo. Usando il metodo, possono determinare con precisione dove si trova un topo all’interno di un ambiente aperto e quale direzione è rivolto semplicemente osservando i suoi schemi di attivazione neurale. Essere in grado di decodificare l’attività neurale potrebbe fornire informazioni sulla funzione e sul comportamento dei singoli neuroni o anche di intere regioni del cervello. Questi risultati, pubblicati il 22 febbraio in Diario biofisicopotrebbe anche contribuire alla progettazione di macchine intelligenti che attualmente hanno difficoltà a navigare in modo autonomo.
In collaborazione con i ricercatori dell’US Army Research Laboratory, il team dell’autore senior Vasileios Maroulas ha utilizzato un modello di deep learning per studiare due tipi di neuroni coinvolti nella navigazione: i neuroni della “direzione della testa”, che codificano le informazioni sulla direzione in cui è rivolto l’animale. e “celle della griglia”, che codificano informazioni bidimensionali sulla posizione dell’animale nel suo ambiente spaziale.
“Gli attuali sistemi di intelligenza si sono rivelati eccellenti nel riconoscimento dei modelli, ma quando si tratta di navigazione, questi stessi cosiddetti sistemi di intelligenza non funzionano molto bene senza le coordinate GPS o qualcos’altro che guidi il processo”, afferma Maroulas, un matematico. presso l’Università del Tennessee Knoxville. “Penso che il prossimo passo avanti per i sistemi di intelligenza artificiale sia integrare le informazioni biologiche con i metodi di apprendimento automatico esistenti.”
A differenza degli studi precedenti che hanno cercato di comprendere il comportamento delle celle della griglia, il team ha basato il proprio metodo su dati sperimentali anziché simulati. I dati, raccolti come parte di uno studio precedente, consistevano in schemi di attivazione neurale raccolti tramite sonde interne, abbinati a filmati video “di verità” sulla posizione effettiva del topo, sulla posizione della testa e sui movimenti mentre esploravano un ambiente aperto. ambiente. L’analisi ha comportato l’integrazione di modelli di attività tra gruppi di direzioni della testa e celle della griglia.
“Comprendere e rappresentare queste strutture neurali richiede modelli matematici che descrivano la connettività di ordine superiore, il che significa che non voglio capire come un neurone attiva un altro neurone, ma piuttosto, voglio capire come si comportano gruppi e squadre di neuroni.” dice Maroulas.
Utilizzando il nuovo metodo, i ricercatori sono stati in grado di prevedere la posizione del mouse e la direzione della testa con maggiore precisione rispetto ai metodi precedentemente descritti. Successivamente, intendono incorporare informazioni provenienti da altri tipi di neuroni coinvolti nella navigazione e analizzare modelli più complessi.
In definitiva, i ricercatori sperano che il loro metodo possa aiutare a progettare macchine intelligenti in grado di navigare in ambienti sconosciuti senza utilizzare il GPS o le informazioni satellitari. “L’obiettivo finale è sfruttare queste informazioni per sviluppare un’architettura di apprendimento automatico in grado di navigare con successo su terreni sconosciuti in modo autonomo e senza guida GPS o satellitare”, afferma Maroulas.
Da un’altra testata giornalistica. news de www.sciencedaily.com
