شبکه‌های مصنوعی یاد می‌گیرند که بویی شبیه مغز حس کنند
شبکه‌های مصنوعی یاد می‌گیرند که بویی شبیه مغز حس کنند -هنگامی که از شبکه‌های عصبی مصنوعی خواسته می‌شود بوها را طبقه‌بندی کنند، ساختاری را اتخاذ می‌کنند که شباهت زیادی به مدارهای بویایی مغز دارد.
با استفاده از یادگیری ماشین، یک مدل کامپیوتری می‌تواند بو کردن را در چند دقیقه به خود بیاموزد.
محققان دریافته‌اند که وقتی این کار انجام می‌شود، یک شبکه عصبی ایجاد می‌کند که از نزدیک مدارهای بویایی را که مغز حیوانات برای پردازش بوها استفاده می‌کند، تقلید می‌کند.
حیوانات از مگس میوه گرفته تا انسان همگی اساساً از یک استراتژی برای پردازش اطلاعات بویایی در مغز استفاده می کنند.
اما دانشمندان علوم اعصاب که یک شبکه عصبی مصنوعی را برای انجام یک کار ساده طبقه‌بندی بو آموزش داده بودند، از اینکه دیدند استراتژی زیست‌شناسی تا این حد صادقانه تکرار می‌شود، شگفت‌زده شدند.
گوانگیو رابرت یانگ ، محقق وابسته در موسسه تحقیقات مغز مک گاورن MIT که این کار را به عنوان دکترای فوق دکتری در دانشگاه کلمبیا رهبری می کرد، می گوید: «الگوریتمی که ما استفاده می کنیم هیچ شباهتی به فرآیند واقعی تکامل ندارد .
شباهت‌های بین سیستم‌های مصنوعی و بیولوژیکی نشان می‌دهد که شبکه بویایی مغز برای وظیفه‌اش مناسب است.
یانگ و همکارانش که یافته‌های خود را در 6 اکتبر در مجله نورون گزارش کردند ، می‌گویند شبکه مصنوعی آنها به محققان کمک می‌کند تا در مورد مدارهای بویایی مغز اطلاعات بیشتری کسب کنند.
این کار همچنین به نشان دادن ارتباط شبکه های عصبی مصنوعی با علوم اعصاب کمک می کند.
یانگ، که همچنین استادیار دانشگاه است، می‌گوید: «با نشان دادن اینکه می‌توانیم معماری [سیستم بیولوژیکی] را با دقت تطبیق دهیم، فکر می‌کنم این اطمینان بیشتری به ما می‌دهد که این شبکه‌های عصبی همچنان می‌توانند ابزار مفیدی برای مدل‌سازی مغز باشند.»
بخش های مغز و علوم شناختی و مهندسی برق و علوم کامپیوتر MIT و عضو مرکز مغزها، ذهن ها و ماشین ها.
نقشه برداری مدارهای بویایی طبیعی
برای مگس‌های میوه، ارگانیسمی که مدار بویایی مغز در آن به بهترین شکل ترسیم شده است، بو از آنتن‌ها شروع می‌شود.
نورون‌های حسی در آنجا، که هر کدام مجهز به گیرنده‌های بو هستند که مخصوص تشخیص بوهای خاص هستند، اتصال مولکول‌های بو را به فعالیت الکتریکی تبدیل می‌کنند.
هنگامی که یک بو تشخیص داده می شود، این نورون ها، که اولین لایه شبکه بویایی را تشکیل می دهند، به لایه دوم سیگنال می دهند: مجموعه ای از نورون ها که در بخشی از مغز به نام لوب آنتن قرار دارند.
در لوب آنتن، نورون های حسی که گیرنده یکسانی دارند به همان نورون لایه دوم همگرا می شوند. یانگ می‌گوید: «آنها بسیار انتخاب‌گر هستند.
آنها هیچ ورودی از نورون هایی که گیرنده های دیگر را بیان می کنند دریافت نمی کنند. از آنجایی که نورون های کمتری نسبت به لایه اول دارد، این قسمت از شبکه یک لایه فشرده سازی در نظر گرفته می شود.
این نورون های لایه دوم به نوبه خود به مجموعه بزرگ تری از نورون ها در لایه سوم سیگنال می دهند. به طرز شگفت انگیزی، به نظر می رسد که این اتصالات تصادفی هستند.
برای یانگ، عصب شناس محاسباتی، و پیتر ییلیو وانگ، دانشجوی فارغ التحصیل دانشگاه کلمبیا، این دانش از سیستم بویایی مگس یک فرصت منحصر به فرد بود.
آنها می گویند که بخش های کمی از مغز به طور جامع نقشه برداری شده است و این امر ارزیابی اینکه مدل های محاسباتی معینی چقدر معماری واقعی مدارهای عصبی را نشان می دهند را دشوار کرده است.
شبکه‌های مصنوعی یاد می‌گیرند که بویی شبیه مغز حس کنند
ساخت شبکه بوی مصنوعی
شبکه‌های عصبی، که در آن نورون‌های مصنوعی خود را برای انجام وظایف خاص دوباره سیم‌کشی می‌کنند، ابزارهای محاسباتی الهام‌گرفته از مغز هستند.
آنها را می توان برای انتخاب الگوها در مجموعه داده های پیچیده آموزش داد و آنها را برای تشخیص گفتار و تصویر و سایر اشکال هوش مصنوعی ارزشمند می کند.
نکاتی وجود دارد مبنی بر اینکه شبکه های عصبی که این کار را انجام می دهند به بهترین نحو فعالیت سیستم عصبی را تکرار می کنند.
اما، وانگ، که اکنون فوق دکترای دانشگاه استنفورد است، می‌گوید، شبکه‌های با ساختار متفاوت می‌توانند نتایج مشابهی ایجاد کنند و دانشمندان علوم اعصاب هنوز باید بدانند که آیا شبکه‌های عصبی مصنوعی ساختار واقعی مدارهای بیولوژیکی را منعکس می‌کنند یا خیر.
او می‌گوید با داده‌های تشریحی جامع در مورد مدارهای بویایی مگس میوه، «ما می‌توانیم این سؤال را بپرسیم: آیا واقعاً می‌توان از شبکه‌های عصبی مصنوعی برای مطالعه مغز استفاده کرد؟»
یانگ و وانگ با همکاری نزدیک با ریچارد اکسل و لری ابوت، عصب‌شناسان کلمبیا، شبکه‌ای از نورون‌های مصنوعی را ساختند که شامل یک لایه ورودی، یک لایه فشرده‌سازی و یک لایه انبساط است – درست مانند سیستم بویایی مگس میوه.
آنها همان تعداد نورون را به سیستم مگس میوه دادند، اما بدون ساختار ذاتی: اتصالات بین نورون ها دوباره سیم کشی می شود که مدل طبقه بندی بوها را آموخت.
دانشمندان از شبکه خواستند تا داده‌هایی را که بوهای مختلف را نشان می‌دهند به دسته‌ها اختصاص دهند و نه تنها بوهای منفرد، بلکه مخلوطی از بوها را نیز به درستی دسته‌بندی کنند. یانگ می گوید این چیزی است که سیستم بویایی مغز به طور منحصر به فردی در آن خوب است.
او توضیح می دهد که اگر رایحه دو سیب مختلف را با هم ترکیب کنید، مغز هنوز بوی سیب می دهد. در مقابل، اگر دو عکس از گربه ها پیکسل به پیکسل ترکیب شوند، مغز دیگر گربه ای را نمی بیند.
یانگ می‌گوید این توانایی تنها یکی از ویژگی‌های مدارهای پردازش بو مغز است، اما ماهیت سیستم را به تصویر می‌کشد.
این شبکه مصنوعی فقط چند دقیقه طول کشید تا خود را سازماندهی کند. ساختاری که ظاهر شد به طرز خیره کننده ای شبیه به ساختاری بود که در مغز مگس میوه یافت شد.
هر نورون در لایه فشرده‌سازی ورودی‌هایی را از نوع خاصی از نورون ورودی دریافت می‌کند و ظاهراً به‌طور تصادفی به چند نورون در لایه گسترش متصل می‌شود.
علاوه بر این، هر نورون در لایه انبساط به طور متوسط از شش نورون لایه فشاری اتصالات دریافت می کند – دقیقاً همانطور که در مغز مگس میوه اتفاق می افتد.
یانگ می‌گوید: «می‌توانست یکی باشد، می‌توانست 50 باشد. می‌توانست در این میان باشد. “زیست شناسی شش را پیدا می کند، و شبکه ما نیز حدود شش مورد را پیدا می کند.”
تکامل این سازمان را از طریق جهش تصادفی و انتخاب طبیعی پیدا کرد. شبکه مصنوعی آن را از طریق الگوریتم های استاندارد یادگیری ماشین پیدا کرد.
او می‌گوید این هم‌گرایی شگفت‌انگیز، پشتیبانی قوی از این که مدارهای مغزی که اطلاعات بویایی را تفسیر می‌کنند، به‌طور بهینه برای وظیفه‌شان سازماندهی شده‌اند، فراهم می‌کند.
اکنون، محققان می‌توانند از این مدل برای بررسی بیشتر آن ساختار، کاوش در چگونگی تکامل شبکه تحت شرایط مختلف و دستکاری مدار به روش‌هایی استفاده کنند که نمی‌توانند به صورت تجربی انجام شوند.
