Искусственный интеллект и понимание памяти

Недавно разработанная нейронная сеть позволила исследователям встраивать в модель мозга тормозные цепи, изменяя их и расширяя тем самым возможности ассоциативной памяти.

Мозг – это большая сеть связанных нейронных цепей – некоторые из них стимулируют активность, а другие подавляют ее. Ранние исследования мозга были сосредоточены больше на возбуждающих контура. Теперь же считается, что тормозные нейронные сети играют равносильно важную роль в функционировании мозга. Исследователи из Окинавского института (OIST) и Научного центра мозга RIKEN создали искусственную нейронную сеть для симуляции мозга, демонстрируя, что работа с тормозными цепями ведет к расширению памяти.

Ассоциативная память – это способность соединять несвязанные элементы и сохранять их в памяти – воспринимать нечто разное как единое целое. В этом исследовании, опубликованном в Physical Review Letters, команда использовала последовательно упорядоченные шаблоны для имитации памяти и обнаружила, что ИИ способен запоминать шаблоны, охватывающие более длинный эпизод, когда модель использует интеграцию несвязанных схем. Ученые также продемонстрировали, как это можно применить для объяснения работы нашего мозга.

Эта простая модель показывает нам, как мозг обрабатывает фрагменты информации, поступающие последовательно. Моделируя нейроны с помощью компьютеров, мы можем понять работу памяти в нашем мозге.

Профессор Томоки Фукай, руководитель отдела нейронного кодирования и мозговых вычислений OIST, соавтор исследования.

Расширение понимания мозга

Размышление о мозге с точки зрения физических, не-биологических явлений в настоящее время стало общепринятым подходом в нейробиологии. Многие идеи, взятые из физики, теперь были подтверждены в исследованиях на животных и людях. В частности, принцип энтропии и отладки мозга стали основой для новой теории сознания. Ознакомьтесь с ней здесь.

Другая теория сознания, которая строится на системе памяти мозга, использует принцип сети аттракторов. Также это понятие описывается как Нейронная сеть Хопфилда. Это группы связанных узлов искусственной нейронной сети, которые стремятся к определенным состояниям. Эта идея аттракторных сетей легла в основу данного исследования.

Принцип нейробиологии состоит в том, что «клетки, которые возбуждаются в единый момент времени, соединяются вместе» – нейроны, которые активизируются в одно и то же время, становятся синхронизированными. Это частично объясняет то, как меняется наш мозг с течением времени. В новой модели команда создала возбуждающие схемы – паттерны стимулирующихся нейронов – чтобы копировать мозг. Модель включала множество возбуждающих цепей, распределенных по сети.

Что еще более важно, команда встроила в модель тормозные схемы. Различные блокирующие цепи действуют или локально в определенной цепи, или глобально по всей нейросети. Цепи блокируют нежелательные сигналы помех от возбуждающих цепей, что повышает эффективность передачи связи. Эти тормозные схемы позволяли возбуждающим схемам запоминать более длительный паттерн.

Открытие соответствует информации, собранной о гиппокампе, области мозга, вовлеченной в ассоциативную память. Считается, что баланс возбуждающей и тормозной активности – это то, что позволяет формировать новые ассоциации. Тормозная активность может регулироваться химическим веществом под названием ацетилхолин, который, как известно, играет роль в формировании памяти и выделяется в гиппокампе. Разработанная модель стала цифровым воплощением этих процессов.

Однако проблемой этого подхода является использование случайной выборки. Огромное количество возможных выходов или состояний аттрактора в сети переполняет объем памяти компьютера. Вместо этого команда полагалась на выбор результатов, а не на систематический анализ каждой возможной комбинации. Это позволило им преодолеть технические трудности, не ставя под угрозу предсказания модели.

В целом, исследование позволило сделать всеобъемлющие выводы – тормозные нейроны играют важную роль в ассоциативной памяти, и это соответствует картине работы нашего мозга. Фукай говорит, что необходимы дополнительные биологические исследования, чтобы определить точную достоверность вычислительной системы. Затем можно будет сопоставить компоненты моделирования с их биологическими аналогами, создав более полную картину гиппокампа и ассоциативной памяти.

Затем команда перейдет от простой модели к модели с дополнительными параметрами, которые лучше симулируют гиппокамп, и покажут относительную важность локальных и глобальных тормозных цепей. Текущая модель включает в себя нейроны, которые либо выключены, либо включены. Будущая модель будет включать дендриты, ветви, которые соединяют нейроны в сложной сетке. Это более реалистичное моделирование будет еще точнее симулировать работу мозга.

Автор: Филипп Дончев

Ссылка: https://neurosciencenews.com/computer-model-memory-15038/

Источник: m.vk.com

Комментарии: