Međunarodna saradnja između istraživača RIKEN Centra za nauku o mozgu (CBS) u Japanu, Univerziteta u Tokiju i Univerzitetskog koledža u Londonu pokazala je da samoorganizacija neurona dok uče prati matematičku teoriju zvanu princip slobodne energije.
Princip je tačno predvideo kako se prave neuronske mreže spontano reorganizuju da bi razlikovale dolazne informacije, kao i kako promena neuronske ekscitabilnosti može poremetiti proces. Nalazi stoga imaju implikacije za izgradnju veštačke inteligencije nalik životinjama i za razumevanje slučajeva oštećenog učenja. Studija je objavljena 7. avgusta u časopisu Nature Communications.
Kada naučimo da razlikujemo glasove, lica ili mirise, mreže neurona u našem mozgu automatski se organizuju tako da mogu da razlikuju različite izvore dolaznih informacija. Ovaj proces uključuje promenu snage veza između neurona i osnova je celokupnog učenja u mozgu.
Takuia Isomura iz RIKEN CBS-a i njegove međunarodne kolege nedavno su predvideli da ova vrsta samoorganizacije mreže prati matematička pravila koja definišu princip slobodne energije. U novoj studiji, oni su ovu hipotezu stavili na test na neuronima uzetim iz mozga embriona pacova i uzgajanim u posudi za kulturu na vrhu mreže od sićušnih elektroda.
Kada budete mogli da razlikujete dva osećaja, poput glasova, videćete da neki od vaših neurona reaguju na jedan od glasova, dok drugi neuroni reaguju na drugi glas. Ovo je rezultat reorganizacije neuronske mreže, koju nazivamo učenjem. U svom eksperimentu kulture, istraživači su oponašali ovaj proces koristeći mrežu elektroda ispod neuronske mreže kako bi stimulisali neurone u specifičnom obrascu koji je mešao dva odvojena skrivena izvora.
Posle 100 treninga, neuroni su automatski postali selektivni — neki su reagovali veoma snažno na izvor #1 i veoma slabo na izvor #2, a drugi su reagovali obrnuto. Lekovi koji ili povećavaju ili snižavaju ekscitabilnost neurona poremetili su proces učenja kada su prethodno dodati kulturi. Ovo pokazuje da kultivisani neuroni rade upravo ono što se smatra da neuroni rade u mozgu koji radi.
Princip slobodne energije kaže da će ovaj tip samoorganizacije pratiti obrazac koji uvek minimizira slobodnu energiju u sistemu. Da bi utvrdio da li je ovaj princip vodeća sila iza učenja neuronske mreže, tim je koristio stvarne neuronske podatke da bi obrnuo inžinjering prediktivnog modela zasnovanog na njima. Zatim su u model uneli podatke iz prvih 10 treninga elektroda i koristili ih za predviđanje narednih 90 sesija.
Na svakom koraku, model je tačno predvideo odgovore neurona i snagu povezanosti između neurona. To znači da je jednostavno poznavanje početnog stanja neurona dovoljno da se odredi kako će se mreža menjati tokom vremena kako se učenje dešavalo.
„Naši rezultati sugerišu da je princip slobodne energije samoorganizujući princip bioloških neuronskih mreža“, kaže Isomura. „Predviđeno je kako se učenje dešavalo nakon primanja određenih senzornih inputa i kako je bilo poremećeno promenama u podražljivosti mreže izazvanim lekovima.“
„Iako će biti potrebno neko vreme, naša tehnika će na kraju omogućiti modeliranje mehanizama kola psihijatrijskih poremećaja i efekata lekova kao što su anksiolitici i psihodelici“, kaže Isomura. „Generički mehanizmi za sticanje prediktivnih modela takođe se mogu koristiti za stvaranje veštačke inteligencije sledeće generacije koja uči kao prave neuronske mreže.
