Unit saraf yang dapat berevolusi yang dapat meniru plastisitas sinaptik otak
Machine

Unit saraf yang dapat berevolusi yang dapat meniru plastisitas sinaptik otak


Gambar ini menunjukkan bagian dari pengaturan eksperimental yang digunakan oleh para peneliti. Mouse disimulasikan untuk menyelesaikan tugas labirin. Di labirin makanan dan racun berada, dan tikus simulasi (yang memiliki jaringan ENU) harus belajar makan makanan dan menghindari makan racun. Satu-satunya cara untuk melakukannya adalah dengan mengambil umpan balik reward dari lingkungan dan memperbarui status memori internal setiap ENU. Setiap ENU dalam jaringan ini karenanya harus mengembangkan kemampuan untuk bekerja sama bersama untuk memproses informasi lingkungan dan memberi penghargaan pada umpan balik untuk memperbarui perilaku mereka secara keseluruhan. Hasil menunjukkan bahwa ia dapat mengembangkan jenis perilaku belajar penguatan, di mana ia dapat belajar mengubah perilakunya berdasarkan penghargaan dan observasi eksternal. Kredit: Bertens & Lee.

Teknik pembelajaran mesin dirancang untuk secara matematis meniru fungsi dan struktur neuron dan jaringan saraf di otak. Namun, neuron biologis sangat kompleks, yang membuat replikasi buatannya menjadi sangat menantang.

Para peneliti di Universitas Korea baru-baru ini mencoba mereproduksi kompleksitas neuron biologis secara lebih efektif dengan mendekati fungsi neuron dan sinapsis individu. Makalah mereka, diterbitkan di Kecerdasan Mesin Alam, memperkenalkan jaringan unit saraf yang dapat berevolusi (ENU) yang dapat beradaptasi untuk meniru neuron tertentu dan mekanisme plastisitas sinaptik.

“Inspirasi untuk makalah kami berasal dari pengamatan kompleksitas neuron biologis, dan fakta bahwa tampaknya hampir tidak mungkin untuk memodelkan semua kompleksitas yang dihasilkan oleh alam secara matematis,” Paul Bertens, salah satu peneliti yang melakukan penelitian, memberi tahu TechXplore. “Jaringan saraf tiruan saat ini yang digunakan dalam pembelajaran mendalam sangat kuat dalam banyak hal, tetapi tidak benar-benar cocok dengan perilaku jaringan saraf tiruan biologis. Ide kami adalah menggunakan jaringan saraf tiruan yang ada ini bukan untuk memodelkan seluruh otak, tetapi untuk memodelkan setiap neuron individu. dan sinapsis. “

ENU yang dikembangkan oleh Bertens dan koleganya Seong-Whan Lee didasarkan pada jaringan saraf tiruan (JST). Namun, alih-alih mereproduksi keseluruhan struktur jaringan saraf biologis, JST ini digunakan untuk memodelkan neuron dan sinapsis individu.

Perilaku ENU telah diprogram untuk berubah seiring waktu, menggunakan algoritme evolusioner. Ini adalah algoritme yang dapat mensimulasikan jenis tertentu dari proses evolusi berdasarkan gagasan kelangsungan hidup mutasi acak dan reproduksi yang paling cocok.

“Dengan menggunakan metode evolusi seperti itu, adalah mungkin untuk mengembangkan unit ini untuk melakukan pemrosesan informasi yang sangat kompleks, mirip dengan neuron biologis,” Bertens menjelaskan. “Sebagian besar model neuron saat ini hanya mengizinkan nilai keluaran tunggal (lonjakan atau potensi bertingkat), dan dalam kasus sinapsis hanya satu nilai bobot sinaptik. Karakteristik unik utama ENU adalah bahwa mereka dapat mengeluarkan beberapa nilai (vektor), yang dapat dilihat sebagai analog dengan neurotransmiter di otak. “

Neurotransmiter, seperti dopamin dan serotonin, pada dasarnya adalah sinyal kimiawi yang dapat mengirimkan pesan antar sel yang berbeda, berjalan melintasi sinapsis. ‘Pembawa pesan’ kimiawi ini diketahui memainkan peran kunci dalam banyak fungsi otak, termasuk pembelajaran dan memori. Namun, cara mereka berinteraksi satu sama lain masih kurang dipahami.

ENU yang dikembangkan oleh Bertens dan Lee dapat menghasilkan nilai yang bekerja di JST seperti yang dilakukan neurotransmiter di otak. Karakteristik ini memungkinkan mereka mempelajari perilaku yang jauh lebih kompleks daripada model matematika yang telah ditentukan sebelumnya.

“Saya percaya bahwa temuan dan hasil yang paling berarti dari penelitian ini menunjukkan bahwa ENU yang diusulkan tidak hanya dapat melakukan operasi matematika yang serupa dengan model ilmu saraf saat ini, tetapi mereka juga dapat berevolusi untuk melakukan semua jenis perilaku yang bermanfaat bagi kelangsungan hidup, “Kata Bertens. “Ini berarti dimungkinkan untuk mendapatkan fungsi yang jauh lebih kompleks untuk setiap neuron daripada fungsi matematika yang dirancang dengan tangan saat ini.”

Di masa depan, ENU yang dibuat oleh para peneliti di Universitas Korea ini dapat membantu menciptakan teknik pembelajaran mesin yang terinspirasi oleh bio yang lebih efektif yang mencerminkan struktur dan fungsi otak dengan lebih baik. Sejauh ini, unit ini digunakan untuk mengembangkan agen pembelajaran mesin yang dapat menyelesaikan tugas di lingkungan T-maze. Meskipun penelitian oleh Bertens dan Lee masih dalam tahap awal, para peneliti berharap dapat segera menggunakan ENU mereka untuk membuat jaringan yang lebih besar yang dapat menangani tugas-tugas yang lebih kompleks.

“Otak memiliki milyaran neuron dan triliunan sinapsis, namun saat ini hanya segelintir ENU yang dapat disimulasikan secara efisien,” Bertens. “Oleh karena itu, fokus dari fokus penelitian masa depan kami adalah untuk meningkatkan pendekatan kami.”


Pendekatan yang terinspirasi oleh bio untuk meningkatkan pembelajaran di ANN


Informasi lebih lanjut:
Jaringan unit saraf yang dapat berevolusi dapat mempelajari aturan pembelajaran sinaptik dan dinamika spiking. Kecerdasan Mesin Alam(2020). DOI: 10.1038 / s42256-020-00267-x

© 2021 Science X Network

Kutipan: Unit saraf yang dapat berevolusi yang dapat meniru plastisitas sinaptik otak (2021, 14 Januari) diambil pada 14 Januari 2021 dari https://techxplore.com/news/2021-01-evolvable-neural-mimic-brain-synaptic.html

Dokumen ini memiliki hak cipta. Selain dari transaksi yang adil untuk tujuan studi atau penelitian pribadi, tidak ada bagian yang boleh direproduksi tanpa izin tertulis. Konten disediakan untuk tujuan informasi saja.


Halaman Ini Di Persembahkan Oleh : Result SGP