Kecerdasan buatan menerjemahkan penglihatan lalat buah, membuka jalan bagi penglihatan manusia

ringkasan: Para peneliti telah mengembangkan model kecerdasan buatan dari otak lalat buah untuk memahami bagaimana penglihatan memandu perilaku. Dengan membungkam neuron visual tertentu secara genetik dan memantau perubahan perilaku, mereka melatih AI untuk memprediksi aktivitas dan perilaku saraf secara akurat.

Temuan mereka mengungkapkan bahwa beberapa kelompok neuron, bukan tipe tunggal, memproses data visual dalam “kode populasi” yang kompleks. Pencapaian ini membuka jalan bagi penelitian masa depan mengenai sistem penglihatan manusia dan gangguan terkait.

Fakta-fakta kunci:

• Ilmuwan CSHL telah menciptakan model kecerdasan buatan dari otak lalat buah untuk mempelajari perilaku yang dipandu oleh penglihatan.
• Kecerdasan buatan memprediksi aktivitas saraf dengan menganalisis perubahan perilaku setelah membungkam neuron visual tertentu.
• Penelitian ini mengungkapkan “kode populasi” yang kompleks di mana beberapa kelompok neuron memproses data visual.

sumber: CSHL

Kita diberitahu: “Mata adalah jendela jiwa.” Ya, windows bekerja dalam dua cara. Mata kita juga merupakan jendela kita terhadap dunia. Apa yang kita lihat dan cara kita melihatnya membantu menentukan cara kita bergerak di dunia. Dengan kata lain, visi kita membantu memandu tindakan kita, termasuk perilaku sosial.

Kini, ilmuwan muda dari Cold Spring Harbor Laboratory (CSHL) telah mengungkapkan bukti penting tentang cara kerjanya. Dia melakukan ini dengan membangun model kecerdasan buatan khusus dari otak lalat buah pada umumnya.

Asisten Profesor CSHL Benjamin Cowley dan timnya menyempurnakan model AI mereka melalui teknik yang mereka kembangkan yang disebut “pelatihan knockout.” Pertama, mereka mencatat perilaku pacaran Drosophila jantan, yaitu mengejar dan bernyanyi untuk betina.

Selanjutnya, mereka secara genetis membungkam jenis neuron visual tertentu pada lalat jantan, dan melatih AI mereka untuk mendeteksi perubahan perilaku apa pun. Dengan mengulangi proses ini dengan berbagai jenis neuron visual, mereka dapat membuat AI memprediksi secara akurat bagaimana perilaku lalat buah asli dalam menanggapi setiap penampakan lalat betina.

“Kami sebenarnya dapat memprediksi aktivitas saraf secara komputasi dan menanyakan bagaimana neuron tertentu berkontribusi terhadap perilaku,” kata Cawley. “Ini adalah sesuatu yang belum pernah kami lakukan sebelumnya.”

Melalui kecerdasan buatan baru, tim Cowley menemukan bahwa otak lalat buah menggunakan “kode populasi” untuk memproses data visual. Alih-alih satu jenis neuron yang mengasosiasikan setiap fitur visual dengan satu tindakan, seperti yang diasumsikan sebelumnya, diperlukan banyak kelompok neuron untuk membentuk perilaku.

Tata letak jalur saraf ini tampak seperti peta kereta bawah tanah yang sangat rumit dan membutuhkan waktu bertahun-tahun untuk diuraikan. Namun, hal itu membawa kita ke tempat yang harus kita tuju. Hal ini memungkinkan AI Cowley untuk memprediksi bagaimana perilaku lalat buah di kehidupan nyata ketika dihadapkan dengan rangsangan visual.

Apakah ini berarti AI suatu hari nanti bisa memprediksi perilaku manusia? Tidak secepat itu. Otak Drosophila mengandung sekitar 100.000 neuron. Otak manusia memiliki sekitar 100 miliar.

“Ini adalah kasus lalat buah. Anda bisa membayangkan seperti apa sistem visual kita,” kata Cowley sambil menunjuk ke peta kereta bawah tanah.

Namun, Cowley berharap model AI-nya suatu hari nanti akan membantu kita menguraikan perhitungan di balik sistem visual manusia.

“Ini akan membutuhkan kerja keras selama puluhan tahun. Namun jika kami dapat memecahkan masalah ini, kami akan menjadi yang terdepan,” kata Cawley. “Kami memiliki pengalaman bertahun-tahun di bidang ini.” [fly] Dengan perhitungan, kita dapat membangun sistem optik buatan yang lebih baik. Yang terpenting, kita akan memahami gangguan pada sistem penglihatan dengan lebih detail.

Seberapa jauh lebih baik? Anda harus melihatnya untuk mempercayainya.

Tentang berita penelitian kecerdasan buatan dan ilmu saraf

pengarang: Sarah Giarnieri
sumber: CSHL
komunikasi:Sarah Giarnieri – CSHL
gambar: Gambar dikreditkan ke Berita Neuroscience

Pencarian asli: Akses terbuka.
“Memetakan modularitas neuron visual mengungkapkan kode populasi untuk perilaku sosial“Oleh Benjamin Cowley dkk. alam

ringkasan

Memetakan modularitas neuron visual mengungkapkan kode populasi untuk perilaku sosial

Keberagaman perilaku yang diamati pada hewan muncul melalui interaksi antara pemrosesan sensorik dan kontrol motorik. Untuk memahami transformasi sensorimotor ini, penting untuk membangun model yang memprediksi tidak hanya respons saraf terhadap masukan sensorik, tetapi juga bagaimana setiap neuron berkontribusi terhadap perilaku.

Di sini kami mendemonstrasikan pendekatan pemodelan baru untuk mengidentifikasi pemetaan satu-ke-satu antara modul internal di jaringan saraf dalam dan neuron nyata dengan memprediksi perubahan perilaku yang timbul dari gangguan sistematis pada lebih dari selusin jenis neuron.

Komponen utama yang kami perkenalkan adalah “pelatihan knockout”, yang melibatkan gangguan jaringan selama pelatihan agar sesuai dengan gangguan saraf nyata selama eksperimen perilaku. Kami menerapkan pendekatan ini untuk memodelkan transformasi sensorimotor Lalat buah perut hitam Laki-laki selama perilaku sosial yang kompleks dan dipandu secara visual.

Neuron proyeksi visual yang terletak di antarmuka antara lobus optik dan otak pusat membentuk sekelompok saluran terpisah, dan penelitian sebelumnya menunjukkan bahwa setiap saluran mengkodekan fitur visual tertentu untuk merangsang perilaku tertentu.

Model kami sampai pada kesimpulan yang berbeda: kelompok neuron proyeksi visual, termasuk neuron yang terlibat dalam perilaku antisosial, mendorong interaksi pria-wanita, sehingga membentuk kode perilaku populasi yang kaya.

Secara keseluruhan, kerangka kerja kami mengintegrasikan efek perilaku dari berbagai gangguan neurologis ke dalam satu model terpadu, memberikan peta mulai dari stimulus, jenis neuron, hingga perilaku, dan memungkinkan penggabungan diagram pengkabelan otak ke dalam model di masa depan.