Connectez-vous à Nature, comment le cerveau contrôle-t-il le mouvement ? DeepMind conçoit des animaux virtuels avec des « cerveaux IA »

Modifier | Peau de carotte

Les animaux ont un contrôle très subtil sur leur corps, ils sont donc capables d'adopter une variété de comportements. Cependant, la manière dont le cerveau parvient à ce contrôle reste floue. Pour approfondir notre compréhension, nous avons besoin de modèles capables de relier les principes de contrôle à la structure de l’activité neuronale chez les animaux.

Pour y parvenir, des chercheurs de l'Université Harvard et de Google DeepMind ont construit un « animal ivre virtuel », en utilisant des réseaux de neurones artificiels pour piloter un modèle de simulation biomécanique de rats dans un simulateur physique.

L'équipe a utilisé l'apprentissage par renforcement profond pour entraîner un agent virtuel à imiter le comportement de souris en mouvement libre, permettant aux chercheurs de comparer « l'activité neuronale enregistrée de vraies souris » avec un modèle de « comportement d'agent virtuel » qui simulait son comportement. Cette « activité en réseau d'animaux agents virtuels » peut être utilisée pour explorer les processus d'apprentissage et de raisonnement du cerveau, améliorant ainsi la compréhension de ces processus. De plus, les modèles d’apprentissage profond de l’équipe pourraient aider à développer des robots plus intelligents et d’autres systèmes autonomes.

Le modèle est capable d'imiter avec précision les mouvements de vraies souris, une réalisation majeure qui devrait améliorer la compréhension des scientifiques sur la manière dont le cerveau contrôle des mouvements coordonnés complexes.

Il est difficile pour les robots les plus avancés de reproduire ce résultat, et l'équipe de recherche estime que leur découverte peut grandement améliorer la flexibilité des futurs robots.

L'étude s'intitule « Un rongeur virtuel prédit la structure de l'activité neuronale à travers les comportements » et a été publiée dans « Nature » le 11 juin 2024.

Les humains et les animaux sont capables de contrôler leur corps avec une facilité et une efficacité difficiles à imiter pour les systèmes techniques. Cela est dû aux aspects techniques de la simulation informatique et des neurosciences du sport. La raison en est que, par rapport aux modèles de production causale de mouvements naturels complexes, l’activité neuronale dans les systèmes moteurs a rarement des explications claires.

Ces modèles biogénétiques diffèrent dans le sens où les neuroscientifiques tentent de déduire le fonctionnement du système moteur en reliant l'activité neuronale dans les régions cérébrales pertinentes à des caractéristiques de mouvement mesurables, telles que la cinématique et la dynamique des différentes parties du corps.

Cependant, cette approche pose un problème car les lois de la physique relient intrinsèquement les caractéristiques du mouvement et ne peuvent donc que décrire le comportement plutôt que de le générer. Pour résoudre ce problème, l’équipe de recherche a proposé une nouvelle approche : utiliser des modèles animaux virtuels associés à des modèles de contrôle pour déduire des principes informatiques.

Illustration : Utilisation de MIMIC pour comparer les contrôles biologiques et artificiels dans le spectre comportemental. (Source : Article)

L'équipe de recherche a développé un « rongeur virtuel » dans lequel un réseau de neurones artificiels (ANN) pilote un modèle de rat biomécaniquement réaliste fonctionnant dans un simulateur physique.

Lors de la construction de ce système, un équilibre doit être trouvé entre la maniabilité, l'expressivité et le réalisme biologique. Les chercheurs ont choisi le modèle le plus simple capable de reproduire le comportement des souris et de prédire l'activité neuronale.

Le modèle utilise l'apprentissage par renforcement profond pour entraîner ANN à mettre en œuvre le modèle de dynamique inverse. L'entrée est la trajectoire de référence de mouvement future et l'état corporel actuel de l'animal réel, et la sortie correspond aux actions requises pour atteindre l'état souhaité. Les chercheurs peuvent comparer l’activité neuronale de vrais rats avec l’activité de réseaux de rongeurs virtuels sur la base de données associées.

Cette approche présente deux avantages principaux : Premièrement, le modèle est causal et peut reproduire physiquement le comportement d'intérêt, pas seulement le décrire. La seconde consiste à se concentrer sur l’identification des fonctions mises en œuvre par les zones cérébrales plutôt que sur de simples descriptions du flux d’informations.

"Nous avons beaucoup appris du défi posé par la création d'"agents incarnés" : les systèmes d'IA doivent non seulement penser intelligemment, mais ils doivent également traduire cette réflexion en actions pratiques dans des environnements complexes, a déclaré Matthew Botvinick de Google Deepmind : "Appliquer le la même approche dans un contexte de neurosciences semble fournir des informations sur le comportement et la fonction cérébrale. Les résultats ont montré que l'activité neuronale dans le striatum sensorimoteur et le cortex moteur était prédite avec plus de précision par l'activité du réseau chez les rongeurs virtuels. contrôle.

Illustration : souris virtuelle. (Source : site Web Deepmind)

De plus, les changements potentiels dans le réseau prédisent la structure des changements neuronaux à travers les comportements et confèrent la robustesse du système d'une manière cohérente avec le principe d'intervention minimale du contrôle par rétroaction optimal.

Ces résultats révèlent que des animaux virtuels biomécaniquement réalistes grâce à des simulations physiques peuvent aider à expliquer la structure de l'activité neuronale à travers les comportements et à relier cela aux principes théoriques du contrôle moteur.

Et cette approche démontre le potentiel des contrôleurs artificiels pour manipuler des modèles biomécaniques afin de révéler les principes informatiques des circuits neuronaux. Les animaux virtuels peuvent servir de plateforme aux neurosciences virtuelles pour simuler les effets de variables difficiles à déduire lors d’expériences sur l’activité et le comportement neuronaux.

Ce domaine de recherche est essentiel au développement de prothèses avancées et d’interfaces cerveau-ordinateur. En reconstruisant les circuits neuronaux, les connaissances acquises grâce à cette étude pourraient conduire à de nouvelles façons de traiter les troubles du mouvement. De plus, l’étude a noté que les rats virtuels fournissent un modèle transparent pour étudier les circuits neuronaux et l’impact de la maladie sur ces circuits.

Ensuite, les chercheurs prévoient de laisser les souris virtuelles résoudre de manière autonome les tâches rencontrées par les souris réelles afin d'approfondir davantage leur compréhension des algorithmes d'acquisition de compétences du cerveau.

À l'avenir, les scientifiques pourraient construire des architectures de réseau inspirées du cerveau pour améliorer les performances et l'interprétabilité, et explorer le rôle de structures de circuits spécifiques et de mécanismes neuronaux dans le calcul comportemental.

Lien papier : https://www.nature.com/articles/s41586-024-07633-4

Rapports associés : https://decrypt.co/235086/virtual-rat-ai-brain- harvard-google-deepmind-robotics

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!