Ezek a kutatók csak létrehoztak egy autista számítógépes programot?

A múlt hónapban kiderült, hogy A Google kutatása a mesterséges neurális hálózatokban (ANNs) alkalmanként valóban furcsa képeket készített - és néhány felhasználó azonnal észrevette, milyen látványos hasonlóságot mutatnak ezek a látványok azokhoz, amelyekről az emberek beszámolnak a hallucinogén gyógyszerek szedése után. Azt kiderül az ANN-ok „megbukása” okunk ugyanaz, amit az agyunk is tesz: csökkentett képességgel képes megítélni a látvány tényleges jelentését feldolgozásuk során (vagy azért, mert magas vagy, vagy kísérleti számítógépes program) , a mintafelismerő algoritmusok körül mozognak.

Az algoritmusok a legegyszerűbb utat követik az alapalakoktól az objektumok kitalálásáig, amelyeket az alakzatok képviselnek, gyakran letérnek a pályáról, anélkül, hogy értelmes irányba mennének a magasabb agyból. Némi bölcsesség nélkül, amely a számítógép nyers értelmével járna, minden kerek alakzat sok iteráción keresztül eljuthat szem kategóriába sorolták. És ha nincsenek szubjektív információk a jelenet kontextusáról, az egyébként teljesen funkcionális algoritmusok lassan hátborzongató mutánsokká varázsolhatják a felhőket egykerekűeken.

Ez a példa azt mutatja be, hogy egy mesterséges ideghálózat számítási metaforája hogyan adhat alapvető betekintést az agy működésébe - de tudományos belátás? Az ANN-ek éppen most érik el a kifinomultság szintjét, ahol a tudósok eszközként használhatják őket, lehetővé téve számukra, hogy valóban megjósolják, hogyan reagál az agy a szerkezetének változásaira. A Baylor Orvostudományi Főiskola egy csodálatos új tanulmánya azt állítja, hogy pontosan ezt tette. Amikor Ari Rosenberg és Jaclyn Sky Patterson idegtudósok mesterséges ideghálózaton szimulálták az autizmus egyik elméletét, ez a szimuláció felismerhetően autizmusszerű viselkedést mutatott.



autizmus hálózat 2

A Google rendelkezik beszélt egy kicsit tripla ideghálózati kutatásáról, de a keresőóriás képfelismerési folyamata nem tudományos betekintést nyújt. Másrészt a legutóbbi Baylor-tanulmánynak sikerült előállítania autizmusszerű eredményei csak egyetlen paraméter megváltoztatásával a vizuális kéreg egy részének közvetlen szimulációjában. Elegáns, ha nem bizonyított, kísérleti kivitel. Az, hogy egy ilyen kis változás miért működött, vagy látszott-e, be van burkolva az agy szerkezetébe, és az orvostudomány egyik legösszetettebb rendellenességének egyik lehetséges oka.

Az autizmus mint megjelenő tulajdonság

Az elmélet szinte túl egyszerűnek tűnik, hogy igaz legyen. Az autizmus az egyik legbonyolultabb egészségügyi kérdés, amelyet ma tanulmányoznak, a genetika, az élettörténet, a viselkedéselemzés és a széleskörűen eltérő kulturális normák haszontalan csomója. Az autizmus egyik elmélete mégis azt állítja, hogy a rendellenesség számos legjellemzőbb tünete csupán egyetlen, kémiailag kiváltott módosítás következménye lehet: az autista agy egyszerűen túl zajos lehet.

A biokémia túlságosan szótagnyelvén alapulva ez a megosztó normalizáció (DN) fogalmára utal, amely azt a mértéket mutatja, hogy az egyes neuronok aktivitását mennyire gátolja a körülötte lévő neuronok teljes populációjának aktivitása. A „normális” agyban az idegsejtek csökkentik az égetés sürgősségét, ha sok más idegsejt veszi körül őket - és több éves vizsgálat azt sugallja, hogy ezzel megmentik tudatos elménket attól, hogy összezavarodjanak és elborítsák őket, ahogy az autisták gyakran jelentenek.

A megosztó normalizálás (DN) szintén felelős lehet azért, hogy értelmet nyerjünk a több érzékszervi inputra ugyanazon ingerrel kapcsolatban.

A megosztó normalizálás (DN) szintén felelős lehet azért, hogy értelmet nyerjünk a több érzékszervi inputra ugyanazon ingerrel kapcsolatban.

A megosztó normalizálást „kánoni számításnak” tekintik, vagyis több agyi régióban és több fajban is megtalálható - úgy tűnik, ez az egyszerű szabályozási rendszer alapvetően fontos a bonyolult agyi rendszerek számára. Tehát, amint a klónozás és a génszerkesztés technológiája lehetővé tette, a tudósok az állati modellek felé fordultak, és nagyon egyszerű kérdést tettek fel: ha képesek lennének csökkenteni a megosztó normalizálódást, létrehozhatnak-e autista egeret?

A tanulmányok jelzik, hogy a válasz legalább felületesen igen. Amikor a kutatók kikapcsolták a GABA (az elsődleges gátló neurotranszmitter) szempontjából kritikus géneket, kiállították amit a tudósok autizmus-szerű magatartásnak tekintettek: elkerülték a társas érintkezést más egerekkel; furcsa, ismétlődő tevékenységeket folytat; a térbeli tanulás romlása; sőt mintha enyhe félelmet szerzett volna a nyitott terektől. A GABA újbóli bevezetése és az idegsejtek saját térfogatának csökkentése az elsöprő kakofónia hatására markánsan kevésbé észrevehető autizmusszerű viselkedést eredményezett.

Bizonyos bizonyítékok vannak arra, hogy az autista gyermekeknél több idegi kapcsolat alakul ki, mint a nem autista gyermekeknél, ahogy ezt itt szemléltetjük.

Bizonyos bizonyítékok vannak arra, hogy az autista gyermekeknél több idegi kapcsolat alakul ki, mint a nem autista gyermekeknél, ahogy ezt itt szemléltetjük.

A következmény egyértelmű volt: bár hihetetlennek tűnt, az eredmények arra utaltak, hogy az autizmus sokféle tünete közül sok mind az agy egyetlen alacsony szintű számítási rendellenességének kialakuló tulajdonsága lehet.

De az egerek sajnos egerek - ki tudja, miért csinálják, amit csinálnak? A GABA-nak pedig számos funkciója van, túl a megosztó normalizálásban betöltött szerepén. Az autizmus tudománya számos más, egymást kiegészítő úton haladt gyorsan, és számos más lehetséges neurális magyarázatot azonosított az autizmusra. Az autizmus DN-elméletének legerősebb bizonyítéka továbbra is az emberi megfigyelési vizsgálatokra és az állatok megkérdőjelezhető alkalmazhatóságára támaszkodott.

Mivel a genetikai manipuláció emberi a tesztalanyok természetesen szóba sem jöhettek, ez a helyzet valószínűleg nem változott. Végül is nem mintha egy emberi agyat építhetne a semmiből ...

Mesterséges idegi hálózat

Az elmúlt öt évben a mesterséges ideghálózatok hosszú utat tettek meg. Leginkább a számítástechnika, majd a biológia kíváncsiságaként kezdték - ambiciózus kísérletek az agy általános szerveződésének modellezésére szoftverek segítségével az egyes idegsejtek és a közöttük lévő kapcsolatok szimulálására. Szép bemutatókat nyújtottak arról, hogy a rendkívül egyszerű programozott szereplők (neuronok) hálózata miként képes együttműködni az összetett problémák gyors megoldásában. Az elsődleges vizuális kéreg például fizikailag fel van építve a bejövő vizuális információk szitálására olyan alapvető dolgokhoz, mint a mozgás, a minták és a statikus objektumok körvonala, és ezt elképesztő hatékonysággal képes megtenni a digitális számítógéphez képest.

Az ANN szervezetének nagyon leegyszerűsített diagramja.

Az ANN szervezetének nagyon leegyszerűsített diagramja.

Az ANN-k az agyakat logikai pachinko-gépekként írják le, amelyekben az ingerek különböző súlyozott statisztikai utakon esnek le, amelyeket meghatároznak a kiindulási tulajdonságok és az egyes idegsejtek programozása, amelyekkel találkoznak. Ez azt jelenti, hogy az összes neuron viselkedésének csak egy apró kiigazítása óriási kumulatív hatást gyakorolhat a feldolgozott adatok végső sorsára - ahogyan azt a biológiai ideghálózatokban (agyakban is tapasztalhatjuk). Az agyban az idegsejtek ilyen viselkedési kiigazítása valószínűleg egy megváltozott felületi fehérjéből származik, míg a mesterséges ideghálózatokban a numerikus paraméter közvetlen kiigazításából származik.

Egy ilyen szám szabályozhatja az idegsejtek és az idegsejtek közötti jelátvitel erősségét, összedobva a szinaptikus funkció összes árnyalatát egyetlen mennyiségre. Egy másik diktálhatja az idegsejtek hajlandóságát arra, hogy hosszú ideig tartó folyamatos stimuláció után nem reagáljanak, ami túlzott izgalomra készteti őket. Ezek sokkal bonyolultabb biológiai rendszerek számítási metaforái, és összesítve tükrözhetik vagy akár megjósolhatják az idegi működés bizonyos aspektusait.

A Google ANN ezen kísérlete a bonyolult keret minél egyszerűbb megértése érdekében ugyanazokhoz az eredményekhez vezetett, amelyeket az emberi festők is elérnek, amikor ugyanazt próbálják megtenni.

A Google ANN ezen kísérlete, hogy megértsen egy összetett keretet, a lehető legkevesebb vonallal, ugyanazokat az esztétikai eredményeket érte el, mint az emberek, akik ugyanarra próbálkoznak.

De kutatási célból nem elég az agy egyszerűen szimulálása. A mesterséges ideghálózatok lehetőséget kínálhatnak nemcsak egy tipikus emberi agy modellezésére, hanem olyan hálózatokra is, amelyekben kulcsfontosságú kísérleti változások vannak beépítve. Ezek a változások az emberi tesztelés során mindig lehetetlenek lennének, de a számítógépes modellben egyáltalán nem lennének gondok. A tudósok kezdték kérdezni maguktól: mi történhet, ha az ANN esze megingott?

Autista ideghálózat

Ari Rosenberg és munkatársai beléptek ebbe a helyzetbe, és úgy döntöttek, hogy szintetizálnak.

Tudták, hogy az autizmusnak számos felismerhető hatása van az alapvető vizuális feldolgozásra, és hogy az elsődleges vizuális kéreg (az úgynevezett „V1”) jelenleg az agy egyik legjobb területe az ANN segítségével történő modellezéshez. És tudták, hogy mivel csak egyetlen megváltozott paraméterrel lehet ábrázolni, a megosztó normalizálás elmélete lehetséges hidat kínált az autizmus erősen szubjektív hatásai és az ANN numerikus műveletei között.

idegháló 5Volt egy működő számítógépes modelljük, egy releváns változtatásuk a modellen, és jóslatuk volt arról, hogy milyen változásnak kellene lennie - más szóval, rendelkeztek egy kísérlet eredményeivel.

'Még nagyon egyszerű vizuális feladatok esetén is ... megváltozik az autizmussal élő emberek viselkedése' - mondta Rosenberg egy nemrégiben telefonos interjúban. 'Tehát felépítettünk egy nagyon alacsony szintű neurális hálózati modellt az elsődleges vizuális kéregről ... aztán csak elkezdtünk játszani a paraméterekkel.'

Az első dolog, amit teszteltek, a komplex vizuális feldolgozás volt. A szinuszos vonalak dinamikus „rácsai” mellett az autista emberek folyamatosan felülmúlják az ellenőrzötteket, mivel gyorsabban helyesen azonosítják a mozgás irányát, és a növekvő vizuális kontraszt nagymértékben növeli ezt az előnyt. A vonalak méretének növekedésével mindenki teljesítménye romlik - de az autisták pontszáma továbbra is magasabb, mint a „vad típusú” társaiké.

A felső két grafikon az emberi eredményeket mutatja (autista tesztek kék színnel). Az alsó grafikonok az ANN eredményeket mutatják.

A felső két grafikon az emberi kísérletek rácsvizsgálati eredményeit mutatja (autista résztvevők kék színnel). Az alsó grafikonok az ANN eredményeket mutatják.

Rosenberg két mesterséges neurális hálózata ugyanazokat az általános trendeket mutatta. Az autizmus modell, megosztott normalizálással, hangolva, folyamatosan felülmúlta az „egészséges” verziót. A modellek relatív képességei ugyanazokat a trendeket követték, mint az emberi tesztalanyok.

Ezután tesztelték az „alagút látását” - az autisták megfigyelt tendenciáját, hogy kevésbé figyeljenek a vizuális ingerekre, amelyek messze vannak a figyelmük aktuális tárgyától. A csapat szimulált V1 vizuális kérgeit ugyanazokkal a bűngörbe rácsokkal mutatta be, mint korábban, de ezúttal különböző távolságra helyezte őket a lezárt figyelem középpontjától. Az eredmények nagyjából hasonlóak azokhoz, amelyeket az embereket tesztelő korábbi kutatók gyűjtöttek: az autizmus ANN-t sokkal kevésbé érdekelték a figyelem középpontjától távol eső ingerek.

Végül a csapat tesztelte ANN-jait a statisztikai következtetések és az autizmus ismert összefüggéseivel szemben - hogy az autisták nem hajlandóak olyan hatékonyan figyelembe venni a világgal kapcsolatos előzetes ismereteket, mint a nem autista egyének. Ezt úgynevezett „ferde effektus” segítségével érték el, amely azt a tényt írja le, hogy az emberek jobban tudják azonosítani a vízszintes és függőleges vonalakat, mint a ferde szögben orientáltak.

Teljesítmény az alagút látási tesztjén. Felső grafikonok embertől, alsó grafikonok az ANN-tól.

Teljesítmény az alagút látási tesztjén. Felső grafikonok embertől, alsó grafikonok az ANN-tól.

Ha azt mondjuk, hogy egy normálisan működő ideghálózat ferde vonalakra számíthat, lényegében némi tapasztalatot adva a „környezete” vonalvezetésének kérdésében, sokkal jobb teljesítményt nyújtott. Az autizmus modell jóval kevésbé javult a várakozások miatt, és jóval kevésbé erőteljes előnyre tett szert, mint a kutatók által biztosított „papok” normál modellje.

Ez három teszt és három lenyűgöző megerősítés a korrelációról. Úgy tűnik, hogy a megosztott normalizációjú ANN-k úgy viselkednek, mint az egerek, akiknél a GABA-termelés le van utasítva, és az emberek diagnosztizált autizmussal rendelkeznek. A kérdés az, hogy valójában mit jelent ez az eredmény?

A baj a modellekkel

Ahogy az egereknél látszólag agorafóbia, az ideghálózat kimenete is csak egy metafora a valódi emberi agy sokkal összetettebb viselkedésének - de az eredmények tagadhatatlanul provokatívak. Ha a szimulált vizuális kérget autizmus-szerű módon befolyásolja az autizmus-szerű szerveződés, aminek látszik, akkor a jövőben talán egy szimulált frontális lebeny utalhat az autizmus magasabb kognitív hatásainak okaira is.

idegháló 8

Jelenleg úgy tűnik, hogy ez a tanulmány hathatós támogatást nyújt az autizmus megosztó normalizációs elméletéhez. Az ANN nem képes egyedül bizonyítani a biológiai elméletet, de Rosenberg szerint az ilyen típusú szoftveres modellezés lehetővé teheti a „szinergikus folyamatot” a kutatásban. A betegekkel végzett munkából nyert felismerések pontosabbá tehetik az ANN modellek frissítését, ami lehetővé tenné az ANN számára, hogy átlátóbb biológiai kísérleteket motiváljon. Az elmélet igazságát csak azért nem lehet közzétenni, mert az ANN egy bizonyos módon reagált - de valószínűleg megalapozhatja a finanszírozás iránti kérelmet.

Az agyműködés számítási változásainak tanulmányozásához a fizikai kísérleteknek meg kell változtatniuk a géneket és a fehérjéket, majd remélniük kell, hogy ezek a változások a számítási viselkedést úgy alakítják, ahogyan vágyakoznak - anélkül, hogy más zavaró változásokat vezetnének be útközben. Az ANN-ek egyszerűen közvetlenül elvégezhetik a számítási változtatásokat, és a biológusokra bízhatják, hogy később visszafejelezzék az új viselkedés molekuláris útját.

A megosztó normalizáció az agy minden régiójában bekövetkezik, ennek ellenére ez a tanulmány csak a vizuális feldolgozás láncolatának első láncolatában vizsgálta hatásait. A populáció csökkent gátlásának hatásai, ha az egész agyat alkalmazzák, az autizmus tüneteinek még szélesebb változatát magyarázhatják - de minden ilyen megállapítás több munkát igényel, valódi betegeknél.

Végül ez a tanulmány érdekes lehet a koncepció bizonyítékaként, mint az autizmus kutatásához való hozzájárulásként - a megosztó normalizáció elmélete már jóval azelőtt létezett, hogy ez a csapat hozzáért volna. De az ANN egy potenciálisan új módszert nyújt az orvosi hipotézisek előállítására. Nagyon gyorsan kereshetnek hatalmas lehetőségtereken, szimulálva az emberi agy építészetének furcsa módosulásait, melyeket egyetlen etikai tudós sem tudna soha a való világban vizsgálni.

Izgalmas időszak az agykutatás számára.

Copyright © Minden Jog Fenntartva | 2007es.com