Zusammenfassung: Forscher haben ein künstliches Intelligenzmodell des Fruchtfliegengehirns entwickelt, um zu verstehen, wie das Sehen das Verhalten steuert. Indem sie bestimmte visuelle Neuronen genetisch zum Schweigen brachten und Verhaltensänderungen überwachten, trainierten sie die KI, um neuronale Aktivität und Verhalten genau vorherzusagen.
Ihre Ergebnisse zeigen, dass mehrere Gruppen von Neuronen und nicht einzelne Typen visuelle Daten in einem komplexen „Populationscode“ verarbeiten. Dieser Erfolg ebnet den Weg für zukünftige Forschungen zum menschlichen Sehsystem und damit verbundenen Störungen.
Wichtige Fakten:
- CSHL-Wissenschaftler haben ein künstliches Intelligenzmodell des Fruchtfliegengehirns erstellt, um visionsgesteuertes Verhalten zu untersuchen.
- Künstliche Intelligenz sagt neuronale Aktivität voraus, indem sie Verhaltensänderungen analysiert, nachdem bestimmte visuelle Neuronen zum Schweigen gebracht wurden.
- Die Forschung enthüllte einen komplexen „Populationscode“, in dem mehrere Gruppen von Neuronen visuelle Daten verarbeiten.
Quelle: CSHL
Uns wird gesagt: „Die Augen sind das Fenster zur Seele.“ Nun, Windows funktioniert auf zwei Arten. Unsere Augen sind auch unsere Fenster zur Welt. Was wir sehen und wie wir es sehen, bestimmt, wie wir uns durch die Welt bewegen. Mit anderen Worten: Unsere Vision leitet unser Handeln, einschließlich unseres sozialen Verhaltens.
Jetzt hat ein junger Wissenschaftler vom Cold Spring Harbor Laboratory (CSHL) wichtige Beweise dafür vorgelegt, wie das funktioniert. Dies gelang ihm, indem er ein spezielles künstliches Intelligenzmodell des Gehirns der gewöhnlichen Fruchtfliege baute.
CSHL-Assistenzprofessor Benjamin Cowley und sein Team haben ihr KI-Modell mithilfe einer von ihnen entwickelten Technik namens „Knockout-Training“ verfeinert. Zunächst zeichneten sie das Balzverhalten des Drosophila-Männchens auf, das darin besteht, das Weibchen zu jagen und ihm etwas vorzusingen.
Als nächstes schalteten sie bestimmte Arten von visuellen Neuronen in männlichen Fliegen genetisch zum Schweigen und trainierten ihre KI, um etwaige Verhaltensänderungen zu erkennen. Indem sie diesen Vorgang mit vielen verschiedenen Arten von visuellen Neuronen wiederholten, konnten sie die KI dazu bringen, genau vorherzusagen, wie sich eine echte Fruchtfliege als Reaktion auf die Sichtung eines Weibchens verhalten würde.
„Wir können die neuronale Aktivität tatsächlich rechnerisch vorhersagen und fragen, wie bestimmte Neuronen zum Verhalten beitragen“, sagt Cawley. „Das ist etwas, was wir bisher noch nicht geschafft haben.“
Mithilfe neuer künstlicher Intelligenz entdeckte Cowleys Team, dass das Gehirn der Fruchtfliege einen „Populationscode“ verwendet, um visuelle Daten zu verarbeiten. Anstelle eines einzelnen Neuronentyps, der jedes visuelle Merkmal mit einer einzelnen Aktion verknüpft, wie zuvor angenommen, waren viele Gruppen von Neuronen erforderlich, um das Verhalten zu formen.
Der Aufbau dieser Nervenbahnen ähnelt einer unglaublich komplexen U-Bahn-Karte, deren Entschlüsselung Jahre dauern würde. Es bringt uns jedoch dorthin, wo wir hin müssen. Dadurch kann Cowleys KI vorhersagen, wie sich echte Fruchtfliegen verhalten, wenn ihnen visuelle Reize präsentiert werden.
Bedeutet das, dass KI eines Tages menschliches Verhalten vorhersagen kann? Nicht so schnell. Das Gehirn von Drosophila enthält etwa 100.000 Neuronen. Das menschliche Gehirn hat etwa 100 Milliarden.
„Das ist bei der Fruchtfliege der Fall. Sie können sich vorstellen, wie unser visuelles System aussieht“, sagt Cowley und zeigt auf die U-Bahn-Karte.
Cowley hofft jedoch, dass sein KI-Modell uns eines Tages dabei helfen wird, die Berechnungen hinter dem menschlichen visuellen System zu entschlüsseln.
„Das wird jahrzehntelange Arbeit sein, aber wenn wir das herausfinden, werden wir der Konkurrenz voraus sein“, sagt Cawley. [fly] Mit Berechnungen können wir ein besseres künstliches optisches System bauen. Am wichtigsten ist, dass wir Störungen des visuellen Systems viel detaillierter verstehen werden.
Wie viel besser? Sie müssen es sehen, um es zu glauben.
Über Neuigkeiten aus der Forschung zu künstlicher Intelligenz und Neurowissenschaften
Autor: Sarah Giarnieri
Quelle: CSHL
Kommunikation:Sarah Giarnieri – CSHL
Bild: Bildquelle: Neuroscience News
Ursprüngliche Suche: Offener Zugang.
„Die Kartierung der Modularität visueller Neuronen enthüllt Populationscodes für soziales Verhalten„Von Benjamin Cowley et al. Natur
eine Zusammenfassung
Die Kartierung der Modularität visueller Neuronen enthüllt Populationscodes für soziales Verhalten
Die reiche Vielfalt an Verhaltensweisen, die bei Tieren beobachtet werden, entsteht durch das Zusammenspiel von sensorischer Verarbeitung und motorischer Kontrolle. Um diese sensomotorischen Transformationen zu verstehen, ist es nützlich, Modelle zu erstellen, die nicht nur neuronale Reaktionen auf sensorische Eingaben vorhersagen, sondern auch, wie jedes Neuron kausal zum Verhalten beiträgt.
Hier demonstrieren wir einen neuen Modellierungsansatz zur Identifizierung einer Eins-zu-Eins-Zuordnung zwischen internen Modulen in einem tiefen neuronalen Netzwerk und echten Neuronen, indem wir Verhaltensänderungen vorhersagen, die aus systematischen Störungen von mehr als einem Dutzend Neuronentypen resultieren.
Die Hauptkomponente, die wir vorstellen, ist das „Knockout-Training“, bei dem das Netzwerk während des Trainings gestört wird, um echten neuronalen Störungen während Verhaltensexperimenten zu entsprechen. Wir wenden diesen Ansatz an, um die sensomotorischen Transformationen von zu modellieren Schwarzbauchfruchtfliege Männer bei komplexem, visuell gesteuertem Sozialverhalten.
Visuelle Projektionsneuronen, die sich an der Schnittstelle zwischen dem Sehlappen und dem Zentralhirn befinden, bilden eine Gruppe diskreter Kanäle, und frühere Arbeiten legen nahe, dass jeder Kanal ein bestimmtes visuelles Merkmal kodiert, um ein bestimmtes Verhalten zu stimulieren.
Unser Modell kommt zu einer anderen Schlussfolgerung: Gruppen visueller Projektionsneuronen, einschließlich Neuronen, die an asozialem Verhalten beteiligt sind, steuern die Interaktion zwischen Mann und Frau und bilden einen umfassenden Verhaltenskodex der Bevölkerung.
Insgesamt integriert unser Framework die Verhaltenseffekte verschiedener neurologischer Störungen in einem einheitlichen Modell, bietet eine Karte vom Reiz über den Neuronentyp bis zum Verhalten und ermöglicht die zukünftige Einbindung von Gehirnverdrahtungsdiagrammen in das Modell.