Нервные системы насекомых вдохновляют на создание эффективных ИИ-систем будущего
Зоологи из Кёльнского университета изучили нервные системы насекомых, чтобы исследовать принципы биологических вычислений в мозге и их возможные последствия для машинного обучения и искусственного интеллекта. В частности, они проанализировали, как насекомые учатся ассоциировать сенсорную информацию из окружающей среды с пищевым вознаграждением и как могут вспоминать эту информацию позже для решения сложных задач, например, поиска пищи.
Результаты показывают, что преобразование сенсорной информации в воспоминания в мозге может вдохновить будущие приложения машинного обучения и искусственного интеллекта для решения сложных задач. Исследование опубликовано в журнале PNAS.
Моделирование обучения плодовой мушки
Учёные исследовали, как нервная система плодовой мушки (Drosophila) контролирует её поведение при поиске пищи. С помощью компьютерной модели они смоделировали и проанализировали вычисления в её нервной системе в ответ на запахи, исходящие от источника пищи.
«Мы изначально обучали нашу модель мозга мухи точно так же, как обучают насекомых в экспериментах. Мы представляли в симуляции определённый запах вместе с вознаграждением и второй запах без вознаграждения. Модель быстро учится создавать устойчивое представление о вознаграждаемом запахе всего после нескольких предъявлений и затем способна найти источник этого запаха в пространственно сложной и временно динамичной среде», — пояснил доктор Ханнес Рапп, создавший модель в рамках своей докторской диссертации.
Ключевые принципы и применение
Созданная модель способна обобщать на основе памяти и применять ранее изученное в совершенно новом и сложном «ландшафте» молекул запаха, при этом обучение требовало лишь очень небольшой базы данных обучающих выборок.
«В нашей модели мы используем особые свойства биологической обработки информации в нервных системах, — объяснил старший автор работы профессор доктор Мартин Наврот. — Это, в частности, быстрая и параллельная обработка сенсорных стимулов с помощью коротких нервных импульсов, а также формирование распределённой памяти за счёт одновременной модификации множества синаптических контактов в процессе обучения».
Теоретические принципы, лежащие в основе этой модели, также могут быть использованы для искусственного интеллекта и автономных систем. Они позволяют искусственному агенту обучаться гораздо эффективнее и применять изученное в изменяющейся среде.