Ce nématode n’est pas simple ! Le cerveau a été restauré avec une grande précision et peut avancer de manière dynamique

Le "cerveau de nématode" de la plus haute précision, c'est ici.

Ce "cerveau" simule tout le système nerveux biologique d'un ver C. elegans.

(Remarque : Caenorhabditis elegans est « l'intelligence vivante la plus simple », avec 302 neurones)

Cette fois, les chercheurs nationaux ont non seulement restauré l'intégralité du réseau neuronal de Caenorhabditis elegans, mais l'ont également restauré en détail leurs connexions au niveau subcellulaire.

Il est entendu que son niveau de sophistication a atteint le plus haut niveau actuellement connu :

Auparavant, une étude étudiait la complexité informatique d'un seul neurone biologique. L'article soulignait qu'un réseau neuronal profond nécessite 5 à 8 couches seulement. les neurones interconnectés peuvent caractériser la complexité d’un seul neurone biologique.

Et grâce à un « cerveau » si soigneusement construit, ce « nématode intelligent » peut effectuer une exploration dynamique.

Il s'agit du dernier résultat de recherche de l'Institut de recherche sur l'intelligence artificielle Zhiyuan de Pékin, et "l'arme tranchante" derrière cela est le projet Tianyan.

Et la naissance de ce « nématode intelligent » MetaWorm 1.0 n'est pas seulement une avancée décisive dans la précision de la simulation de la vie, mais selon l'équipe de recherche :

C'est une étape clé vers une vie artificiellement intelligente.

Comment est fabriqué le cerveau le plus précis ?

Le Caenorhabditis elegans sélectionné pour ce cerveau peut être considéré comme « l'un des organismes les plus simples dotés d'un système nerveux » -

Il possède à la fois un système nerveux complet capables de détecter, de s'échapper, de se nourrir et de s'accoupler, et la structure globale est très simple. Les vers adultes n'ont qu'environ 1 000 cellules somatiques.

Cette petite créature transparente d'environ 1 mm de long est devenue un « visiteur fréquent » dans la communauté de la recherche scientifique. Au cours des 20 dernières années, trois prix Nobel lui ont été attribués.

Pour les neuroscientifiques, le système nerveux de Caenorhabditis elegans a été complètement fissuré, et la carte en temps réel a même fait la couverture de Nature cette année-là, ce qui est très approprié pour étudier et simuler les « circuits cérébraux ».

△Hermaphrodite, avec un total de 302 cellules nerveuses

Plus important encore, les neurotransmetteurs tels que l'acétylcholine et la dopamine qui existent chez les nématodes existent également chez les mammifères.

L'étude de son système nerveux joue également un rôle important dans l'étude du mécanisme de régulation du système nerveux humain.

Mais étudier les structures est une chose, les modéliser avec des ordinateurs en est une autre.

Il faut savoir que la simulation d'un neurone biologique n'est pas simplement une transformation linéaire comme la convolution. Elle simule l'échange de matériaux (comme entre cellules) et la génération et la conduction de potentiels d'action entre neurones.

Par exemple, seule la transmission des émetteurs entre synapses implique plusieurs paramètres tels que la quantité, la vitesse, la concentration, le reflux, la direction, etc. Il sera encore plus compliqué de calculer et de simuler à l'aide de modèles mathématiques.

Même si un système nerveux complet est simulé, comment utiliser des ordinateurs pour simuler un « cyberespace » proche de l'environnement réel et y entraîner un modèle de « nématode intelligent » est une autre difficulté majeure de recherche.

Auparavant, bien que de nombreuses équipes aient mené des recherches sur la simulation des nématodes, la précision et l'environnement de simulation sont encore loin de la réalité, tout comme nos poissons robots bioniques communs sont loin de la précision des poissons.

Cette fois, l'équipe de Tianyan a modélisé avec succès le « cybernématode » intelligent de la plus haute précision, lui permettant d'avancer dynamiquement dans un environnement de simulation fluide 3D et d'avoir la capacité de simplement rechercher des avantages et d'éviter les inconvénients.

Alors, à quoi ressemble ce « nématode intelligent » ?

Dans un premier temps, l'équipe a utilisé un grand nombre de formules et de modèles pour modéliser les « neurones électroniques » du nématode.

Il existe trois modèles principaux utilisés : le modèle à canaux ioniques multiples, le modèle Hodgkin-Huxley et le modèle multi-compartiments (Modèle Multi-compartiment).

Parmi eux, les modèles de canaux ioniques multiples, comme leur nom l'indique, sont utilisés pour simuler divers canaux ioniques sur la membrane cellulaire. Le modèle Trimble 1.0 utilise 14 types de canaux ioniques

Le modèle Hodgkin-Huxley (modèle HH) peut ; combiner chacun des neurones est simulé en différents composants de circuit ;

△Exemple de modèle HH, l'image vient de Wikipédia - La vraie biologie est un instrument électronique sophistiqué

Modèle multi-chambres, le neurone est considéré comme un système, divisé en plusieurs cabines selon des caractéristiques dynamiques, et chaque cabine a le nombre de les canaux ioniques inclus varient également.

△L'image provient de l'article "Analyse du modèle multi-compartiment des neurones à épines moyennes" écrit par Jiang Xiaofang, Liu Shenquan et Zhang Xuchen

En combinant ces trois modèles, la structure des neurones et la structure des membranes cellulaires neuronales peuvent être combinées. La formation et la conduction de potentiels d'action et de potentiels de gradient, ainsi que le taux de conduction matérielle entre différentes parties du corps, sont simulés.

Après construction, ce « nématode intelligent » a soigneusement modélisé les 302 neurones de Caenorhabditis elegans (hermaphrodite) et des milliers de connexions entre ces neurones, en utilisant 14 types de canaux ioniques, les détails ont atteint le niveau subcellulaire.

Les 302 neurones de C. elegans sont divisés en neurones sensoriels, interneurones et motoneurones. Parmi eux, l'équipe a réalisé une modélisation de haute précision de 106 neurones sensoriels et moteurs et a parfaitement adapté leur dynamique électrophysiologique.

Selon les statistiques, le nombre maximum de compartiments pour un seul neurone est de 2313 et le minimum est de 10. 302 neurones comptaient en moyenne 52 compartiments chacun. Les connexions synaptiques entre les neurones sont aussi fines qu'au niveau des neurites (dendrites, axones) :

Ensuite, l'équipe a construit un environnement de simulation dynamique des fluides 3D pour permettre aux nématodes de se déplacer dans une scène proche de la réalité.

A noter que l'étape de simulation de l'environnement est particulièrement importante. C'est une étape clé pour étudier comment les nématodes s'adaptent aux mouvements du microenvironnement.

Une fois la modélisation des nématodes affinée au niveau subcellulaire (niveau micronique), l'échelle des lois physiques a été réduite et les effets de la friction et de la viscosité sont plusieurs ordres de grandeur supérieurs à ceux de la gravité.

Dans ce cas, le nématode peut toujours manger et boire de l'eau librement pour fournir de l'énergie, indissociable de sa façon ingénieuse d'interagir avec l'environnement.

Par conséquent, l'équipe de Tianyan a combiné plusieurs disciplines telles que la neurologie computationnelle, la mécanique du mouvement et le graphisme pour construire un modèle logiciel réaliste des muscles et du corps du nématode intelligent « Tianbao », et a établi une simulation fluide plus adaptée à l'intelligence artificielle. environnement de formation.

Plus précisément, ce cadre environnemental se compose de plusieurs modules, notamment la modélisation tridimensionnelle, la résolution par éléments finis, le modèle fluide simplifié, l'apprentissage par renforcement, la visualisation, etc., qui peuvent simuler au maximum l'interaction entre les nématodes et l'environnement.

Par rapport à l'actuel projet de simulation de nématodes OpenWorm, leader international, l'environnement de simulation fluide de l'équipe de Tianyan est à plus grande échelle et est plus adapté en tant qu'environnement de simulation de comportement intelligent multi-corps/essaim pour les entités vivantes, accomplissant des tâches d'apprentissage complexes. et former des entités intelligentes attendre.

Enfin, l'équipe a placé le modèle de nématode dans l'environnement de simulation et a suivi une formation préliminaire.

Ce sont tous des composants de la future plateforme Tianyan. Plus précisément, il s’agit d’une plate-forme de cluster multi-GPU encore en construction qui peut être utilisée pour la simulation de neurones biologiques de haute précision et à grande échelle.

Dans un environnement de simulation avec une échelle de scène de plus de 1 300 longueurs de nématodes, l'équipe a maintenant formé au préalable des « nématodes intelligents » qui peuvent agir de manière autonome en fonction de la distribution des signaux chimiques environnementaux, et cette scène peut également prendre en charge des espaces plus grands et plusieurs groupes de nématodes.

Selon l'équipe, le modèle de « nématode intelligent » peut calculer efficacement et précisément les règles d'interaction avec l'environnement fluide, avec les mêmes ressources informatiques, le temps de simulation d'un seul nématode est inférieur à 0,1 seconde.

Dans la prochaine étape, l'équipe de Tianyan prévoit de permettre à ce « cybervers » d'accomplir des tâches intelligentes plus complexes telles que l'évitement d'obstacles et la recherche de nourriture.

En fait, la recherche sur l’intelligence cérébrale a toujours été un problème mondial.

À l'échelle internationale, notamment le projet Blue Brain soutenu par le projet Brain de l'Union européenne, l'American Brain Project, etc., mènent des recherches inspirées du cerveau ; des géants de la technologie tels que Google ont publié des cartes cérébrales et des outils cérébraux au cours des cinq dernières années ; Des instituts de recherche universitaires tels que le MIT utilisent 19 neurones simulés par des nématodes pour réaliser un contrôle de conduite autonome...

Cependant, du seul point de vue de la recherche inspirée du cerveau, les orientations de recherche de chaque équipe sont très différentes. Un nombre considérable d'équipes conçoivent même. puces d'abord, puis concevoir des algorithmes pour mettre en œuvre une informatique inspirée du cerveau.

Cependant, de telles recherches limiteront la conception et la mise en œuvre d'algorithmes par du matériel tel que des puces, et seront finalement loin d'atteindre l'objectif de parvenir à une intelligence semblable à celle du cerveau.

En revanche, l'équipe de Tianyan a choisi d'étudier et de mettre en œuvre l'intelligence cérébrale dans la perspective de la mise en œuvre de l'IA.

Mais quand même, est-ce vraiment significatif de se donner la peine de modéliser un cerveau de nématode ?

A quoi sert le « cerveau » de nématode

Si vous pouvez résumer ce problème en une phrase, c'est le cas ? :

C'est une étape clé vers la vie de l'intelligence artificielle.

Depuis la naissance de l'intelligence artificielle, « fabriquer des machines comme les humains » est devenu la direction que les chercheurs ont travaillé dur pour développer.

Cependant, au fil du temps, même au stade de développement actuel dominé par l'apprentissage profond, l'intelligence artificielle n'a toujours pas atteint le niveau d'intelligence au vrai sens du terme.

Même le jeu de Go comme AlphaGo qui a choqué le monde en 2016 n'a fait que rafraîchir la compréhension des gens sur l'intelligence artificielle.

Mais comme l'a dit Hans Moravec, professeur à la CMU :

Il est relativement facile de faire jouer un ordinateur aux échecs comme un adulte, mais il est assez difficile de faire en sorte qu'un ordinateur ait les capacités de perception et d'action d'un enfant d'un an ; vieil enfant, même impossible.

Alors, quel est le problème ?

En 2016, Huang Tiejun, président de l'Institut de recherche Zhiyuan, a donné la réponse.

Il estime que l'apprentissage profond repose essentiellement sur des réseaux de neurones artificiels et que l'intelligence biologique repose sur des réseaux de neurones biologiques.

Parmi eux, les réseaux de neurones artificiels sont plus proches de « réaliser des fonctions », tandis que les réseaux de neurones biologiques simulent des « structures qui réalisent des fonctions ». Les deux ne sont pas au même niveau en termes de « volume », et ce dernier est évidemment beaucoup plus grand. . De plus en plus important -

Parce que la structure détermine la fonction et que les réseaux neuronaux biologiques sont porteurs de l'intelligence.

Par conséquent, la « solution » proposée par Huang Tiejun sur la base de cette situation est :

Du point de vue de la simulation des mécanismes cérébraux.

Pour faire simple, il s'agit d'explorer le « mode de fonctionnement » à l'intérieur du cerveau biologique. C'est l'une des voies pour aboutir à l'intelligence artificielle générale.

Par coïncidence, plus tôt en 2009, le professeur Henry Markram de l'École Polytechnique Fédérale de Lausanne en Suisse a également avancé un point de vue similaire.

À cette époque, il a annoncé son intention d'utiliser des superordinateurs pour construire un modèle cérébral basé sur la compréhension de la structure du cerveau.

Ce plan a ensuite reçu un fort soutien et une attention de la part de l'Union européenne, car l'importance de cette approche n'est pas seulement de comprendre l'intelligence du cerveau humain lui-même, mais peut même trouver des traitements alternatifs pour les maladies cérébrales.

Mais les problèmes se succèdent également. Il est très difficile de simuler l'ensemble du réseau neuronal du cerveau humain à l'aide d'ordinateurs.

Cela n’est pas seulement dû à la complexité de la simulation informatique, mais aussi à la complexité du cerveau biologique lui-même.

Après tout, le cerveau humain contient jusqu'à 1011 neurones, et la quantité de calculs et les coûts nécessaires sont évidents.

Lorsque les humains utilisent réellement leur cerveau pour effectuer une série d'actions telles que le raisonnement et la création, ils ne consomment que 20 à 25 watts d'énergie.

En d'autres termes, le cerveau biologique présente les caractéristiques d'une « intelligence élevée » et d'une « faible consommation d'énergie ».

C’est pourquoi l’étude des cerveaux biologiques constitue le meilleur modèle pour l’intelligence artificielle générale.

Et ce signal a commencé à émerger.

Par exemple, Single Cortical Neurones as Deep Artificial Neural

Une recherche sur les réseaux publiée dans la revue NEURON en 2021 montre que -

Un réseau neuronal profond nécessite 5 à 8 couches de neurones interconnectés pour représenter la complexité d'un seul neurone biologique. .

Cela prouve également la puissante puissance de calcul d'un seul neurone. Par conséquent, si un seul neurone peut être caractérisé de manière très fine, il peut se rapprocher plus étroitement du processus complexe de traitement de l'information biologique.

Mais l’importance de simuler le cerveau biologique de manière plus raffinée va au-delà.

Actuellement, les humains souffrent encore de nombreuses maladies cérébrales difficiles, telles que la maladie d'Alzheimer, la dépression et des lésions cérébrales.

Le processus d'étude de diverses maladies cérébrales est un processus qui consomme énormément de ressources humaines et matérielles. Si le cerveau biologique peut être simulé avec précision, cela peut offrir une autre possibilité de solutions.

…

En bref, mieux simuler et comprendre le cerveau, c'est comprendre le cerveau lui-même et en même temps prêter attention aux êtres humains eux-mêmes.

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!