Araştırmacılar, beyinlerin hareketi nasıl kontrol ettiğini daha iyi anlamak için model oluşturdular.
Modern robotik alanı tüm ilerlemesine rağmen, hayvanların ve insanların doğal hareketlerini henüz taklit edilemiyor. Interesting Engineering (IE) göre Harvard’da bu çalışmaya dahil olan yüksek lisans öğrencisi Diego Aldarondo, zorlukların hem donanım hem de yazılımda olduğunu söyledi. Aldarondo şöyle açıkladı: “Donanım tarafında, araştırmacılar hayvan vücutlarının esnekliği, sağlamlığı ve enerji verimliliği ile robotlar inşa etmekte zorlandılar.”
Yazılım tarafında ise, verimli fizik simülasyonları geliştirmekten ve kontrollörleri insan hareketlerini taklit etmeleri için eğitmek üzere makine öğrenimi hatları oluşturmaktan bahsetti. Aldarondo, “Simülatordan gerçekliğe geçiş” olarak bilinen başka bir zorluk, fizik simülatörleri ile gerçek dünya arasındaki farklılıklardan kaynaklanıyor. Bu da simülasyonda öğrenilen kontrollörlerin gerçek robotlara aktarılmasını zorlaştırıyor.” dedi.
Aldarondo, Organizma ve Evrimsel Biyoloji Bölümü’nden Profesör Bence Ölveczky ve Harvard ile Google’ın DeepMind’daki diğer araştırmacılarla birlikte, bir farenin biyomekanik açıdan gerçekçi bir dijital modelini geliştirdi.
Sanal fare modelinin oluşturulması Araştırmacılar, Google DeepMind ile birlikte çalıştı çünkü platform, fizik simülatörlerinde hayvanların biyomekanik modellerini kontrol etmeye yardımcı olabilecek yapay sinir ağlarını (YSA) eğitmek için araçlar geliştirmişti.
Ekip, yerçekimi ve diğer fiziksel kuvvetleri simüle eden bir fizik simülatörü olan MuJoCo ile çalıştı ve YSA’yı fare davranışları üzerinde eğitmek için Motor Taklidi ve Kontrol (MIMIC) adında başka bir hat geliştirdi.
Araştırmacılar, YSA’yı eğitmek için gerçek sıçanlardan kaydedilen yüksek çözünürlüklü verileri kullandılar. Aldarondo, IE’ye gönderdiği e-postada, “Bu, sinirbilim için önemlidir, çünkü hayvan hareketini fiziksel simülasyonda yeniden üreten ve gerçek beyinlerden beklediğimiz sinirsel aktivite yapısını tahmin eden hesaplamalı modellerin geliştirilmesini sağlar.” diye açıkladı.
Sanal sinirbilim dünyası Araştırmacılar, YSA’ları kullanarak, bilim adamlarının bedensel hareketleri yönlendirmek ve bizi mevcut vücut durumundan istenen duruma hareket ettirmek için kullandığına inanılan ters dinamik modelleri oluşturmayı başardılar.
Aldarondo e-postada, “Daha bedensel bir ifadeyle, bir ters model, vücudun fiziğine tabi olarak istenen bir duruşu elde etmek için gereken kas aktivasyonlarını üreten bir model olarak düşünülebilir. Bu çerçeve, hareket sinirbilimi için faydalıdır, çünkü hareketi koordine etmek, deneyim yoluyla dünya ile etkileşim kurarak kişinin vücudunun fiziksel özelliklerini hesaba katmayı öğrenmeyi içerir.” diye ekledi.
Gerçek sıçanlardan gelen veriler, sanal modelin istenen duruma ulaşmak için gereken hareketi üretmek için gerekli kuvvetleri öğrenmesine yardımcı oldu, bunlar üzerine açıkça eğitilmemiş olsa bile. Araştırmacılar, hem gerçek sıçanlar hem de sanal model için sinirsel aktiviteyi ölçtüklerinde, sanal modelin gerçek sıçanların sinirsel aktivitesini doğru bir şekilde tahmin ettiğini buldular.
Bu, yapay zekayla simüle edilmiş hayvanların sinir ağlarını ve belki de hastalıklarda nasıl etkilendiklerini incelemek için kullanılabileceği yepyeni bir sanal sinirbilim dünyası açıyor. Sıçanlara karmaşık davranışlar öğretme konusunda uzman olan Ölveczky, şimdi sanal modelleri gerçek sıçanların karşılaştığı sorunları çözmeye yardımcı olmak için kullanmak istiyor.
Ölveczky basın açıklamasında, “Sanal sıçanları bu fikirleri test etmeye başlamak ve gerçek beyinlerin karmaşık davranışlar ürettiğini daha iyi anlamamıza yardımcı olmak istiyoruz.” dedi.
