|
Создали потрясающе точный цифровой двойник мозга
|
|
|
|
В рамках прорыва, который может произвести революцию в нейронауке, исследователи использовали возможности искусственного интеллекта для создания высокоточного “цифрового двойника” мозга мыши. Эта усовершенствованная модель искусственного интеллекта может предсказать, как нейроны реагируют на совершенно новые визуальные стимулы — то, чего ни одна предыдущая модель не достигала с такой точностью.
|
|
|
|
Недавно опубликованное в журнале Nature исследование, проведенное учеными из медицинского колледжа Бейлора, Стэнфордского университета и Института наук о мозге Аллена, представляет сложную искусственную нейронную сеть, называемую “базовой моделью”.
|
|
|
|
Модель воспроизводит мозговую активность и отражает сложные структурные детали нейронных цепей, предлагая новый мощный инструмент для изучения внутренней работы мозга.
|
|
|
|
Подобно тому, как ChatGPT и другие крупные языковые модели преобразовали обработку естественного языка, эта модель мозга может изменить то, как мы изучаем восприятие, поведение или даже сознание.
|
|
|
|
“Если вы создадите модель мозга, и она будет очень точной, это означает, что вы сможете провести гораздо больше экспериментов”, - пояснил в пресс-релизе профессор офтальмологии Стэнфорда и старший автор исследования доктор Андреас Толиас. “Мы пытаемся, так сказать, открыть ”черный ящик", чтобы понять работу мозга на уровне отдельных нейронов или популяций нейронов и то, как они работают вместе для кодирования информации".
|
|
|
|
|
|
|
Цифровой двойник мозга, который думает о будущем
|
|
|
|
На протяжении десятилетий расшифровка языка мозга была одной из самых сложных научных задач. Традиционные модели нейронных сетей, которые часто обучались реагировать на конкретные наборы данных, такие как задачи распознавания объектов или обнаружения движения, работали хорошо, но только в пределах своей зоны комфорта. Эти модели сталкиваются с трудностями при вводе незнакомых данных, таких как новые типы изображений или стимулов.
|
|
|
|
Вдохновленные мощью базовых моделей искусственного интеллекта — крупномасштабных моделей, обученных на массивных наборах данных, которые удивительно хорошо обобщаются в новых областях, - нейробиологи решили создать нечто подобное для мозга.
|
|
|
|
Они записали нейронные реакции 14 бодрствующих мышей в режиме реального времени, когда животные смотрели видеоролики о природе и взаимодействовали с окружающей средой. “Очень сложно создать реалистичный фильм для мышей, потому что никто не снимает голливудские фильмы для мышей”, - сказал доктор Толиас. “Однако мышам нравится движение, которое сильно активизирует их зрительную систему, поэтому мы показали им фильмы, в которых много действия”.
|
|
|
|
Эти записи фиксировали визуальные стимулы, поведение (например, движение глаз и расширение зрачков) и контекстуальные переменные в шести визуальных областях мозга. Более 900 минут данных о мышах, смотревших фрагменты боевиков, таких как "Безумный Макс", были введены в искусственную нейронную сеть (ANN).
|
|
|
|
В результате получилась модель, состоящая из четырех частей: модуль “перспективы”, который объясняет, как глаз мыши воспринимает стимул, модуль “модуляции” для интерпретации поведенческих сигналов, “ядро”, которое обрабатывает основную часть сенсорных данных, и “считывающее устройство”, которое преобразует эти данные в прогнозы о нейронной активности. Обученная всего на восьми мышах, модель оказалась поразительно надежной — она точно предсказывала реакции мозга у новых мышей и на новые типы стимулов, с которыми раньше не сталкивалась.
|
|
|
|
Жемчужиной этого ANN является то, что исследователи называют “базовым ядром”. После обучения это общее внутреннее представление визуальной обработки может быть “перенесено” на новых отдельных мышей с минимальными дополнительными данными — иногда всего четыре минуты новых записей. Это значительно сократило объем реальных данных, необходимых для точного моделирования нового мозга.
|
|
|
|
По сравнению с предыдущими ведущими моделями, новая базовая модель позволила повысить точность прогнозирования на 25-46% даже в заведомо сложных зрительных областях мозга высшего порядка. Такое повышение производительности является основой для разработки все более точных моделей мозга, которые могут быстро адаптироваться к новым данным, не начиная с нуля.
|
|
|
|
Примечательно, что модель не ограничилась предсказанием того, как будут работать нейроны. Это также позволило определить их физические характеристики — например, где они расположены в мозге и к какому типу нейронов относятся.
|
|
|
|
Благодаря еще одному важному прорыву в нейробиологии исследователи из проекта MICrONS недавно представили самую подробную на сегодняшний день функциональную карту мозга, которая дает беспрецедентное представление о том, как нейроны соединяются, взаимодействуют и обмениваются информацией. Когда-то это достижение считалось “невозможным”.
|
|
|
|
Используя данные проекта MICrONS, исследователи применили свою модель к более чем 70 000 нейронам. Модель точно предсказала анатомические типы клеток, дендритные структуры и даже схемы синаптических связей, несмотря на то, что они никогда не изучали анатомические данные.
|
|
|
|
Это говорит о том, что “функциональные штрих—коды”, генерируемые моделью, — по сути, то, как нейрон обрабатывает визуальную информацию, - могут использоваться в качестве отпечатков пальцев для определения типа и структуры клетки.
|
|
Неограниченный потенциал и нулевая инвазивность цифровых двойников
|
|
|
|
Ключевым преимуществом создания цифрового двойника мозга является его масштабируемость. Поскольку модель может имитировать нейронные реакции внутри компьютера, исследователи теперь могут проводить неограниченное количество экспериментов, которые были бы трудоемкими, инвазивными или даже невозможными для проведения на живом мозге.
|
|
|
|
Например, исследователи проверили, как цифровой мозг реагирует на классические эксперименты со зрением — например, на движущиеся точки, пятна Габора или мигающие огни — и обнаружили, что цифровые нейроны демонстрируют ту же ориентацию или пространственную избирательность, что и их реальные аналоги. В одном из тестов имитированные нейроны соответствовали фактической предпочтительной ориентации живых нейронов всего на 4 градуса, что является исключительной степенью точности.
|
|
На пути к единой модели мозга
|
|
|
|
Используя сходства между мозгами, а не рассматривая каждый из них как отдельную головоломку, исследователи теперь могут моделировать общие когнитивные функции, в то же время учитывая индивидуальные особенности.
|
|
|
|
Кроме того, этот недавний прорыв отличается не только техническим совершенством, но и философским подходом. Базовые модели по своей природе не просто запоминают, они усваивают общие принципы. Есть надежда, что подобный подход в нейронауке может в конечном итоге выявить универсальный набор правил, который управляет тем, как мозг обрабатывает информацию.
|
|
|
|
Раскрыв общий набор правил, управляющих тем, как нейроны кодируют, обрабатывают и передают информацию, ученые могут оказаться на пороге установления основополагающих законов нейронауки, сродни законам физики, которые управляют миром природы.
|
|
|
|
Точно так же, как уравнения, подобные законам Ньютона или теории относительности Эйнштейна, обеспечивают основу для понимания движения и энергии во Вселенной, универсальный нейронный код может предложить объединяющую теорию о том, как функционирует мозг у разных видов, индивидуумов и в разных контекстах.
|
|
|
|
Такое открытие произвело бы революцию в нашем понимании когнитивных процессов и поведения и заложило бы основу для прогнозирующих, стандартизированных моделей мозговой деятельности, открыв новую эру нейробиологии.
|
|
|
|
“Наша нынешняя базовая модель - это только начало, поскольку она моделирует только части зрительной системы мыши в условиях пассивного просмотра”, - пишут исследователи. “По мере того, как мы накапливаем все более разнообразные мультимодальные данные, охватывающие сенсорные сигналы, поведение и нейронную активность в различных масштабах, модальностях и видах, базовые нейробиологические модели позволят нам расшифровать нейронный код естественного интеллекта, обеспечивая беспрецедентное понимание фундаментальных принципов работы мозга”.
|
|
Следующие шаги и более широкие последствия
|
|
|
|
Успех этой модели поднимает важные вопросы о будущем нейронауки, а также об этических и философских последствиях моделирования мозга с такой точностью.
|
|
|
|
Смогут ли подобные модели когда-нибудь имитировать человеческий мозг? Могут ли они привести к улучшению взаимодействия мозга и компьютера, более точной диагностике неврологических заболеваний или даже к более глубокому пониманию сознания?
|
|
|
|
Исследователи предупреждают, что до этого еще далеко. Их цифровой мозг-двойник в настоящее время работает только со зрительной корой мышей в условиях пассивного просмотра. Но уже заложена основа для гораздо более масштабного проекта.
|
|
|
|
В конечном счете, точно так же, как большие языковые модели открывают новые возможности искусственного интеллекта, этот цифровой двойник мозга может открыть новые горизонты в биологии, медицине и когнитивной науке. И, таким образом, мы на шаг приближаемся к разгадке вечных тайн мозга.
|
|
|
|
“Во многих отношениях основой интеллекта является способность к надежному обобщению”, - сказал доктор Толиас. “Конечная цель — ”святой грааль" — заключается в том, чтобы обобщать сценарии, выходящие за рамки вашего учебного плана".
|
|
|
|
“Я верю, что со временем станет возможным создать цифровых двойников, по крайней мере, частей человеческого мозга. Это только верхушка айсберга”.
|
|
|
|
Источник
|
