Nature にログインしてみましょう。脳はどのようにして動きを制御しているのでしょうか? DeepMind は「AI 頭脳」を備えた仮想動物を設計します

編集 | キャロットスキン

動物は自分の体を非常に微妙に制御できるため、さまざまな行動を実行できます。しかし、脳がどのようにしてこの制御を達成するのかは依然として不明である。理解を深めるためには、制御原理を動物の神経活動の構造に結びつけることができるモデルが必要です。

これを達成するために、ハーバード大学と Google DeepMind の研究者は、人工ニューラル ネットワークを使用して物理シミュレーターでラットの生体力学的シミュレーション モデルを駆動する「仮想酔っぱらい動物」を構築しました。

チームは、深層強化学習を使用して、自由に動くマウスの動作を模倣する仮想エージェントをトレーニングし、研究者が「本物のマウスから記録された神経活動」とその動作をシミュレートした「仮想エージェントの動作」モデルを比較できるようにしました。この「仮想エージェント動物のネットワーク活動」は、脳の学習および推論プロセスを調査するために使用でき、それによってこれらのプロセスの理解を深めます。さらに、チームの深層学習モデルは、よりスマートなロボットやその他の自律システムの開発に役立つ可能性があります。

このモデルは本物のマウスの動きを正確に模倣することができ、これは脳が複雑な協調動作をどのように制御するかについて科学者の理解を高めることが期待される大きな成果です。

最先端のロボットがこの結果を再現することは困難であり、研究チームは、その発見によって将来のロボットの柔軟性が大幅に向上すると信じています。

この研究は「仮想げっ歯類が行動全体にわたる神経活動の構造を予測する」と題され、2024年6月11日に「Nature」に掲載されました。

人間や動物は、人工システムが模倣するのが難しい、簡単かつ効率的に自分の体を制御することができます。これは、スポーツ神経科学の技術的側面である計算シミュレーションによって引き起こされます。その理由は、複雑で自然な動きの因果関係のモデルと比較して、運動システムの神経活動には明確な説明がほとんどないためです。

これらの生物遺伝モデルは、神経科学者が、関連する脳領域の神経活動を、さまざまな身体部分の運動学や力学などの測定可能な運動特性に関連付けることによって、運動システムの機能を推論しようとしている点で異なります。

しかし、このアプローチには問題があります。物理法則は本質的に動きの特性に関連しており、そのため、動作を生成するのではなく、動作を記述することしかできないからです。この問題を解決するために、研究チームは新しいアプローチを提案しました。それは、制御モデルと関連付けられた仮想動物モデルを使用して、計算原理を推論するというものです。

図: MIMIC を使用して、行動スペクトル内の生物学的コントロールと人工コントロールを比較します。 （出典：論文）

研究チームは、人工ニューラルネットワーク（ANN）が物理シミュレーターで動作する生体力学的に現実的なラットモデルを駆動する「仮想齧歯動物」を開発しました。

このシステムを構築するときは、扱いやすさ、表現力、生物学的リアリズムの間でバランスをとる必要があります。研究者らは、マウスの行動を再現し、神経活動を予測できる最も単純なモデルを選択した。

このモデルは、深層強化学習を使用して ANN をトレーニングし、逆ダイナミクス モデルを実装します。入力は、実際の動物の将来の動作基準軌道と現在の身体状態であり、出力は、望ましい状態を達成するために必要なアクションです。研究者は、関連データに基づいて、本物のラットの神経活動と仮想げっ歯類ネットワークの活動を比較できます。

このアプローチには 2 つの主な利点があります。まず、モデルは因果関係があり、対象の動作を説明するだけでなく、物理的に再現することができます。 2 つ目は、単なる情報の流れの説明ではなく、脳の領域によって実行される機能の特定に焦点を当てることです。

「私たちは、『身体化されたエージェント』を構築するという課題から多くのことを学びました。AI システムは知的に考えるだけでなく、その考えを複雑な環境で実際的な行動に変換しなければなりません。」と Google Deepmind の Matthew Botvinick 氏は述べています。神経科学の文脈における同じアプローチは、行動と脳機能についての洞察を提供すると思われます。その結果は、感覚運動線条体と運動皮質の神経活動が、仮想げっ歯類のネットワーク活動によってより正確に予測されることを示しました。これは、これら 2 つの領域が逆のダイナミクスを達成していることと一致しています。コントロール。

イラスト: 仮想マウス。 (出典: Deepmind Web サイト)

さらに、ネットワークの根本的な変化により、行動全体にわたる神経変化の構造が予測され、最適なフィードバック制御の最小介入原理と一致する方法でシステムの堅牢性が与えられます。

これらの発見は、物理シミュレーションによる生体力学的に現実的な仮想動物が、行動全体にわたる神経活動の構造を説明し、これを運動制御の理論原理に結び付けるのに役立つことを明らかにしています。

そして、このアプローチは、人工コントローラーが生体力学モデルを操作して神経回路の計算原理を明らかにできる可能性を示しています。仮想動物は、神経活動や行動に関する実験では推測するのが難しい変数の影響をシミュレートする仮想神経科学のプラットフォームとして機能します。

この研究分野は、高度な補綴物や脳とコンピューターのインターフェイスの開発にとって重要です。神経回路を再構築することにより、この研究から得られた洞察は、運動障害を治療する新しい方法につながる可能性があります。さらに、この研究では、仮想ラットが神経回路とこれらの回路に対する疾患の影響を研究するための透明なモデルを提供することを指摘しました。

次に研究者らは、脳のスキル獲得アルゴリズムについての理解を深めるために、本物のマウスが遭遇するタスクを仮想マウスに自律的に解決させることを計画しています。

将来、科学者は脳にインスピレーションを得たネットワークアーキテクチャを構築してパフォーマンスと解釈可能性を向上させ、行動計算における特定の回路構造と神経機構の役割を調査する可能性があります。

論文リンク: https://www.nature.com/articles/s41586-024-07633-4

関連レポート: https://decrypt.co/235086/virtual-rat-ai-brain-ハーバードグーグルディープマインドロボティクス

以上がNature にログインしてみましょう。脳はどのようにして動きを制御しているのでしょうか? DeepMind は「AI 頭脳」を備えた仮想動物を設計しますの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。