A inteligência artificial decodifica a visão da mosca da fruta, abrindo caminho para a visão humana

resumo: Os pesquisadores desenvolveram um modelo de inteligência artificial do cérebro da mosca da fruta para entender como a visão guia o comportamento. Ao silenciar geneticamente neurônios visuais específicos e monitorar mudanças no comportamento, eles treinaram a IA para prever com precisão a atividade e o comportamento neural.

Suas descobertas revelam que vários grupos de neurônios, em vez de tipos únicos, processam dados visuais em um “código populacional” complexo. Esta conquista abre caminho para pesquisas futuras sobre o sistema visual humano e distúrbios relacionados.

Principais fatos:

• Cientistas do CSHL criaram um modelo de inteligência artificial do cérebro da mosca da fruta para estudar o comportamento guiado pela visão.
• A inteligência artificial prevê a atividade neural analisando mudanças no comportamento após silenciar neurônios visuais específicos.
• A pesquisa revelou um “código populacional” complexo no qual vários grupos de neurônios processam dados visuais.

fonte: CSHL

Disseram-nos: “Os olhos são a janela da alma”. Bem, o Windows funciona de duas maneiras. Nossos olhos também são nossas janelas para o mundo. O que vemos e como vemos ajuda a determinar como nos movemos pelo mundo. Em outras palavras, nossa visão ajuda a orientar nossas ações, incluindo comportamentos sociais.

Agora, um jovem cientista do Laboratório Cold Spring Harbor (CSHL) descobriu evidências importantes sobre como isto funciona. Ele fez isso construindo um modelo especial de inteligência artificial do cérebro da mosca da fruta comum.

O professor assistente da CSHL, Benjamin Cowley, e sua equipe aprimoraram seu modelo de IA por meio de uma técnica que desenvolveram chamada “treinamento eliminatório”. Primeiro, eles registraram o comportamento de cortejo da mosca-das-frutas macho, que consiste em perseguir e cantar para a fêmea.

Em seguida, eles silenciaram geneticamente tipos específicos de neurônios visuais em moscas machos e treinaram sua IA para detectar quaisquer mudanças no comportamento. Ao repetir esse processo com muitos tipos diferentes de neurônios visuais, eles conseguiram fazer com que a IA previsse com precisão como uma mosca da fruta real se comportaria em resposta a qualquer avistamento de uma fêmea.

“Podemos realmente prever a atividade neural computacionalmente e perguntar como determinados neurônios contribuem para o comportamento”, diz Cawley. “Isso é algo que não conseguimos fazer antes.”

Através de uma nova inteligência artificial, a equipe de Cowley descobriu que o cérebro da mosca da fruta usa um “código populacional” para processar dados visuais. Em vez de um único tipo de neurônio associar cada característica visual a uma única ação, como se supunha anteriormente, foram necessários muitos grupos de neurônios para esculpir o comportamento.

O layout dessas vias neurais parece um mapa de metrô incrivelmente complexo que levaria anos para ser decifrado. No entanto, isso nos leva aonde precisamos ir. Ele permite que a IA de Cowley preveja como as moscas da fruta na vida real se comportarão quando apresentadas a estímulos visuais.

Isso significa que a IA poderá um dia prever o comportamento humano? Não tão rápido. O cérebro da Drosophila contém cerca de 100.000 neurônios. O cérebro humano tem aproximadamente 100 bilhões.

“Este é o caso da mosca da fruta. Você pode imaginar como é o nosso sistema visual”, diz Cowley, apontando para o mapa do metrô.

No entanto, Cowley espera que seu modelo de IA um dia nos ajude a decifrar os cálculos por trás do sistema visual humano.

“Serão décadas de trabalho, mas se conseguirmos descobrir isso, estaremos à frente do jogo”, diz Cawley. “Temos anos de experiência nesta área”. [fly] Com cálculos, podemos construir um sistema óptico artificial melhor. Mais importante ainda, compreenderemos os distúrbios do sistema visual com muito mais detalhes.

Quão melhor? Você terá que ver para acreditar.

Sobre notícias de pesquisa em inteligência artificial e neurociência

autor: Sarah Giarnieri
fonte: CSHL
comunicação:Sarah Giarnieri – CSHL
foto: Imagem creditada ao Neuroscience News

Pesquisa original: Acesso livre.
“Mapear a modularidade dos neurônios visuais revela o código populacional para o comportamento social“Por Benjamin Cowley et al. natureza

um resumo

Mapear a modularidade dos neurônios visuais revela o código populacional para o comportamento social

A rica diversidade de comportamentos observados em animais surge através da interação entre o processamento sensorial e o controle motor. Para compreender essas transformações sensório-motoras, é útil construir modelos que prevejam não apenas as respostas neurais aos estímulos sensoriais, mas também como cada neurônio contribui para o comportamento.

Aqui demonstramos uma nova abordagem de modelagem para identificar um mapeamento individual entre módulos internos em uma rede neural profunda e neurônios reais, prevendo mudanças comportamentais que surgem de perturbações sistemáticas de mais de uma dúzia de tipos de neurônios.

O principal componente que apresentamos é o “treinamento knockout”, que envolve perturbar a rede durante o treinamento para corresponder às perturbações neuronais reais durante experimentos comportamentais. Aplicamos esta abordagem para modelar as transformações sensório-motoras de Mosca da fruta de barriga preta Homens durante comportamento social complexo e visualmente guiado.

Os neurônios de projeção visual localizados na interface entre o lobo óptico e o cérebro central formam um grupo de canais discretos, e trabalhos anteriores sugerem que cada canal codifica uma característica visual específica para estimular um comportamento específico.

Nosso modelo chega a uma conclusão diferente: grupos de neurônios de projeção visual, incluindo neurônios envolvidos em comportamentos anti-sociais, impulsionam interações homem-mulher, formando um rico código de comportamento populacional.

No geral, nossa estrutura integra os efeitos comportamentais de diferentes distúrbios neurológicos em um modelo unificado, fornecendo um mapa do estímulo ao tipo de neurônio e ao comportamento, e permitindo a incorporação futura de diagramas de conexões cerebrais no modelo.