Kunstmatige intelligentie decodeert het zicht van fruitvliegjes en maakt de weg vrij voor het menselijke zicht

samenvatting: Onderzoekers hebben een kunstmatige-intelligentiemodel van het fruitvliegbrein ontwikkeld om te begrijpen hoe visie gedrag stuurt. Door specifieke visuele neuronen genetisch tot zwijgen te brengen en gedragsveranderingen te monitoren, trainden ze de AI om neurale activiteit en gedrag nauwkeurig te voorspellen.

Uit hun bevindingen blijkt dat meerdere groepen neuronen, in plaats van afzonderlijke typen, visuele gegevens verwerken in een complexe ‘populatiecode’. Deze prestatie maakt de weg vrij voor toekomstig onderzoek naar het menselijke visuele systeem en aanverwante stoornissen.

Belangrijkste feiten:

• Wetenschappers van CSHL hebben een kunstmatige-intelligentiemodel van de hersenen van de fruitvlieg gemaakt om visiegestuurd gedrag te bestuderen.
• Kunstmatige intelligentie voorspelt neurale activiteit door gedragsveranderingen te analyseren nadat specifieke visuele neuronen zijn uitgeschakeld.
• Het onderzoek bracht een complexe ‘populatiecode’ aan het licht waarin meerdere groepen neuronen visuele gegevens verwerken.

bron: CSHL

Ons wordt verteld: “De ogen zijn het venster naar de ziel.” Windows werkt op twee manieren. Onze ogen zijn ook onze vensters naar de wereld. Wat we zien en hoe we het zien, bepaalt mede hoe we ons door de wereld bewegen. Met andere woorden, onze visie helpt onze acties te sturen, inclusief sociaal gedrag.

Nu heeft een jonge wetenschapper van het Cold Spring Harbor Laboratory (CSHL) belangrijk bewijsmateriaal onthuld over hoe dit werkt. Hij deed dit door een speciaal kunstmatige-intelligentiemodel te bouwen van de hersenen van de gewone fruitvlieg.

CSHL-assistent-professor Benjamin Cowley en zijn team hebben hun AI-model verfijnd met behulp van een techniek die zij hebben ontwikkeld en die ‘knock-outtraining’ wordt genoemd. Eerst legden ze het verkeringgedrag van de mannelijke Drosophila vast, namelijk het achtervolgen en zingen van het vrouwtje.

Vervolgens hebben ze specifieke soorten visuele neuronen bij mannelijke vliegen genetisch tot zwijgen gebracht en hun AI getraind om eventuele gedragsveranderingen te detecteren. Door dit proces te herhalen met veel verschillende soorten visuele neuronen, konden ze de AI nauwkeurig laten voorspellen hoe een echte fruitvlieg zich zou gedragen als reactie op elke waarneming van een vrouwtje.

“We kunnen neurale activiteit daadwerkelijk computationeel voorspellen en ons afvragen hoe bepaalde neuronen bijdragen aan gedrag”, zegt Cawley. “Dit is iets wat we nog niet eerder hebben kunnen doen.”

Door middel van nieuwe kunstmatige intelligentie ontdekte het team van Cowley dat het brein van de fruitvlieg een ‘populatiecode’ gebruikt om visuele gegevens te verwerken. In plaats van dat één enkel type neuron elk visueel kenmerk met één enkele actie associeerde, zoals eerder werd aangenomen, waren er veel groepen neuronen nodig om het gedrag vorm te geven.

De lay-out van deze neurale paden ziet eruit als een ongelooflijk complexe metrokaart die jaren zou duren om te ontcijferen. Het brengt ons echter waar we heen moeten. Het stelt Cowley’s AI in staat te voorspellen hoe echte fruitvliegjes zich zullen gedragen wanneer ze visuele stimuli krijgen.

Betekent dit dat AI op een dag menselijk gedrag kan voorspellen? Niet zo snel. De hersenen van Drosophila bevatten ongeveer 100.000 neuronen. Het menselijk brein heeft ongeveer 100 miljard.

“Dit is het geval voor de fruitvlieg. Je kunt je voorstellen hoe ons visuele systeem eruit ziet”, zegt Cowley, wijzend op de metrokaart.

Cowley hoopt echter dat zijn AI-model ons op een dag zal helpen de berekeningen achter het menselijke visuele systeem te ontcijferen.

“Dit zal tientallen jaren werk zijn. Maar als we dit kunnen uitzoeken, lopen we voorop”, zegt Cawley. “We hebben jarenlange ervaring op dit gebied.” [fly] Met berekeningen kunnen we een beter kunstmatig optisch systeem bouwen. Het allerbelangrijkste is dat we aandoeningen van het visuele systeem veel beter zullen begrijpen.

Hoeveel beter? Je zult het moeten zien om het te geloven.

Over kunstmatige intelligentie en neurowetenschappelijk onderzoeksnieuws

auteur: Sarah Giarnieri
bron: CSHL
communicatie:Sarah Giarnieri-CSHL
afbeelding: Afbeelding toegeschreven aan Neuroscience News

Originele zoekopdracht: Vrije toegang.
“Het in kaart brengen van de modulariteit van visuele neuronen onthult populatiecode voor sociaal gedrag“Door Benjamin Cowley et al. natuur

een samenvatting

Het in kaart brengen van de modulariteit van visuele neuronen onthult populatiecode voor sociaal gedrag

De rijke diversiteit aan gedragingen die bij dieren worden waargenomen, komt voort uit de wisselwerking tussen sensorische verwerking en motorische controle. Om deze sensomotorische transformaties te begrijpen, is het nuttig om modellen te bouwen die niet alleen neurale reacties op sensorische input voorspellen, maar ook hoe elk neuron causaal bijdraagt ​​aan gedrag.

Hier demonstreren we een nieuwe modelleringsaanpak om een ​​één-op-één mapping tussen interne modules in een diep neuraal netwerk en echte neuronen te identificeren door gedragsveranderingen te voorspellen die voortkomen uit systematische verstoringen van meer dan een dozijn neurontypen.

Het belangrijkste onderdeel dat we introduceren is ‘knock-outtraining’, waarbij het netwerk tijdens de training wordt verstoord om echte neuronale verstoringen tijdens gedragsexperimenten te evenaren. We passen deze aanpak toe om de sensomotorische transformaties van te modelleren Zwartbuikfruitvlieg Mannetjes tijdens complex, visueel geleid sociaal gedrag.

Visuele projectieneuronen die zich op het grensvlak tussen de optische kwab en de centrale hersenen bevinden, vormen een groep discrete kanalen, en eerder werk suggereert dat elk kanaal een specifiek visueel kenmerk codeert om een ​​bepaald gedrag te stimuleren.

Ons model komt tot een andere conclusie: groepen visuele projectie-neuronen, waaronder neuronen die betrokken zijn bij antisociaal gedrag, sturen man-vrouw-interacties aan en vormen een rijke gedragscode voor de populatie.

Over het geheel genomen integreert ons raamwerk de gedragseffecten van verschillende neurologische aandoeningen in één uniform model, waardoor een kaart wordt geboden van stimulus tot neurontype tot gedrag, en toekomstige integratie van hersenbedradingsdiagrammen in het model mogelijk wordt gemaakt.