Мрежите от неврони на нашия мозък могат спонтанно да се подреждат, за да разпознават различни източници на информация, които идват. Основата на цялото обучение в мозъка е процес, който включва промяна на силата на връзките между невроните.
Този вид мрежова самоорганизация следва математическите закони на принципа на свободната енергия, според ново предсказание, направено от Такуя Изомура (Takuya Isomura) от японския Институт RIKEN, Център за науки за мозъка (CBS - Center for Brain Science) и негови колеги от цял свят. В новата работа те отглеждат неврони от ембрионални мозъци на плъхове в култура върху решетка от малки електроди, за да проверят тази теория.
Принципът безпогрешно предвижда как се ремоделират реалните невронни мрежи спонтанно, за да разграничат входящата информация и как променящата се невронна възбудимост може да попречи на процеса. Следователно констатациите имат значение за изграждането на подобен на животинския изкуствен интелект и за разбирането на случаите на нарушена способност за обучение.
След като може да различст едно усещане от друго, като два гласа, става ясно, че някои от невроните ще реагират на един глас, докато други ще реагират на другия.
Това е резултатът от обучението, което всъщност представлява реорганизация на мозъчните мрежи.
В своя експеримент изследователите пресъздават тази процедура чрез стимулиране на невроните да комбинират два различни скрити източника, използвайки електродната мрежа, лежаща в основата на невронната мрежа.
След 100 тренировъчни сесии невроните стават селективни, като някои реагират силно на източник #1, слабо на източник #2, а други реагират обратно на тях. Когато лекарства, които увеличават или намаляват възбудимостта на невроните, се въвеждат в културата предварително, те нарушават процеса на обучение. Това показва, че култивираните неврони изпълняват същите функции като невроните в опериращия мозък.
Според принципа на свободната енергия, тази форма на самоорганизация винаги ще следва модел, който минимизира свободната енергия в системата. Екипът използва реални мозъчни данни, за да проектира предсказуем модел, базиран на тази концепция, за да види дали това е водещата сила зад обучението на невронни мрежи.
След това данните от първите 10 сесии за обучение на електроди са въведени в модела, който е използван за предвиждане на следващите 90 сесии. Моделът правилно прогнозира клетъчните реакции и нивото на връзка между невроните във всяка фаза. Това означава, че обучението в първоначалното състояние на невроните е достатъчно, за да се предвиди как мрежата ще се промени с течение на времето, когато започне обучението.
"Нашите резултати показват, че принципът на свободната енергия е самоорганизиращият се принцип на биологичните невронни мрежи. Той прогнозира как се случва обучението при получаване на определени сензорни входове и как то се нарушава от промени в мрежовата възбудимост, предизвикана от лекарства", коментира Изомура.
"Въпреки че ще е нужно известно време, в крайна сметка нашата техника ще позволи да се моделират верижните механизми на психиатричните разстройства и ефектите на лекарства като анксиолитици и психеделици. Генеричните механизми за придобиване на предсказващи модели могат също да се използват за създаване на изкуствен интелект от следващо поколение, който се обучава, както правят истинските невронни мрежи."
Справка: Isomura, T., Kotani, K., Jimbo, Y. et al. Experimental validation of the free-energy principle with in vitro neural networks. Nat Commun 14, 4547 (2023). DOI: 10.1038/s41467-023-40141-z
Източник: Mathematical theory predicts self-organized learning in real neurons, ТechЕxplorist
Коментари
Моля, регистрирайте се от TУК!
Ако вече имате регистрация, натиснете ТУК!
Няма коментари към тази новина !
Последни коментари