Uz pokušaje i greške, ponavljanje i pohvale, kada štene čuje „Sedi“, oni uče šta se od njih očekuje. To je učenje sa pojačanjem, i to je složena tema koja fascinira neuronaučnika dr Rioma Hattori, koji se nedavno pridružio Institutu Herbert Vertheim UF Scripps za biomedicinske inovacije i tehnologiju.
Hatori se fokusira na razumevanje i mapiranje učenja sa pojačanjem i na to kako mozak integriše informacije za donošenje odluka. Takođe proučava kako mozak shvata brojeve. Ono što na prvi pogled izgleda jednostavno je zapravo zapanjujuće složeno. Ljudski mozak ima oko 86 milijardi neurona, koji stvaraju više od 100 triliona veza.
Hatori kaže da mnogi faktori utiču na proces donošenja odluka. Nešto tako jednostavno kao što je odlučivanje o tome gde ćete jesti može uključivati matricu sećanja i sudova, a samim tim i mnoge oblasti mozga. Jedan restoran ima dobru hranu i uslugu, drugi tako-tako. Jedan ima veće cene, drugi je jeftiniji. Iskustvo pruža inpute kojima se moraju dodeliti vrednosti i uzeti u obzir da bi se odluka donela.
„Veoma je teško integrisati sve ove procese, a ipak, nekako, naš mozak to radi“, kaže Hatori.
Razumevanje mehanizama koji leže u osnovi ovog procesa može se pokazati važnim u rešavanju psihijatrijskih poremećaja i poremećaja iz spektra autizma, primećuje on.
„Mnoge psihijatrijske bolesti i neurološki poremećaji karakterišu određena oštećenja u donošenju odluka“, kaže on.
Modeliranje načina na koji višestruka područja mozga interaguju kako bi procesirali ojačavajuća iskustva i vodili donošenje odluka je zanimljiv izazov, kaže on. Hatori koristi mnoge istraživačke tehnike za prikupljanje podataka, uključujući snimanje velikih razmera sa 2 fotona, eksperimente zasnovane na virtuelnoj stvarnosti i optogenetiku, metod za korišćenje svetlosti za manipulaciju neuronskom aktivnošću. Računarsko modeliranje je sve vredniji alat za razumevanje složenog ponašanja životinja i dinamike mozga, kaže Hattori.
Hatori i kolege razvijaju veštačku inteligenciju kako bi pomogli u njihovom istraživanju. To je dvosmerni odnos: AI pomaže u unapređenju otkrića neuronauke, a otkrića neuronauke takođe mogu pomoći da se poboljša AI.
„I mozak i AI su napravljeni od neuronskih mreža koje obavljaju proračune i uče koristeći dinamiku neuronske aktivnosti i sinaptičku plastičnost“, kaže Hattori. „Oni primaju spoljne ulaze, obrađuju informacije i izlaze iz akcije. Zatim, ishod akcije vodi učenje putem mreže. Sličnost nam daje priliku da koristimo AI kao model neuronske mreže za određena ponašanja.“
Hattori se nedavno preselio u kampus Vertheim UF Scripps u Jupiteru, Florida, nakon postdoktorske stipendije na Univerzitetu Kalifornije u San Dijegu. Doktorirao je molekularnu i ćelijsku biologiju na Univerzitetu Harvard 2016. godine.
Docent na odseku za neuronauku instituta, on je takođe dobitnik mnogih nagrada, uključujući nagradu za istaknutog naučnika Vorena Alperta i nagradu SFARI od mosta do nezavisnosti Simons fondacije.
Njegova supruga je takođe neuronaučnik, Mariko Hattori, dr. Nedavno se pridružila laboratoriji dr Kirila Martemjanova, predsednika odeljenja za neuronauke, kao postdoktorski istraživač. Hatorijevi imaju 15-mesečnog sina i uživaju da ga vode na okean kada nisu u svojim laboratorijama.
Zajednica Jupitera postala je veliki magnet za neuronaučnike, rekli su. Snažnom programu Vertheim UF Scripps-a pridružuju se Institut za mozak Stajls-Nikolson sa Univerziteta Florida Atlantik i Institut za neuronauku Maks Plank na Floridi.
Hattoris je sarađivao sa naučnim direktorom Maksa Planka, dr Riohei Iasuda, na nedavno objavljenom članku Nature Neuroscience o ulozi regiona mozga zvanog orbitofrontalni korteks u sticanju generalizovanog znanja.
Naučnici su pronašli više slojeva učenja na poslu u prilagođavanju miša novim okruženjima, sa različitim vremenskim skalama. Mehanizmi učenja mišem ličili su na one u kompjuterskom modelu učenja uz pomoć koji su razvili istraživači AI.
„Možemo steći uvid u moždane mehanizme od AI. Takođe, kako bolje razumemo moždane mehanizme za donošenje odluka i učenje, možda ćemo moći da prenesemo znanje na AI modele“, kaže Rioma Hattori. „Nadam se da moji istraživački projekti doprinose razumevanju mozga, a takođe doprinose razvoju veštačke inteligencije sa boljim performansama iu zajednici mašinskog učenja.“
