人工网络学习闻起来像大脑
使用机器学习,一个计算机模型可以教本身闻在几分钟内。时,研究人员发现,它构建一个神经网络密切模仿动物的大脑的嗅觉电路使用过程的气味。
动物从果蝇到人类基本上都使用相同的策略来处理嗅觉信息大脑。但神经科学家训练一个人工神经网络承担一个简单的气味分类任务惊讶地发现,它所以忠实地复制生物学的策略。
“我们使用的算法没有相似之处的实际的进化过程中,“广宇罗伯特·杨说,麻省理工学院的助理研究员麦戈文脑研究所领导哥伦比亚大学做博士后。人工和之间的相似之处生物系统表明大脑的嗅觉网络是最佳适合它的任务。
杨和他的合作者,10月6日在《报告他们的发现神经元,说他们的人工网络将帮助研究人员了解更多关于大脑的嗅觉电路。工作也有助于证明人工神经网络的相关神经科学。”显示,我们可以匹配架构(生物系统的)非常准确地说,我认为让更多的信心,这些神经网络可以继续建模大脑是有用的工具,”杨说,世卫组织还在麻省理工学院的助理教授脑与认知科学、电气工程和计算机科学。
映射自然嗅觉电路
为果蝇的生物大脑的嗅觉电路最佳映射,气味开始在天线。感觉神经元,每个配备气味受体专业检测特定的气味,气味分子的绑定转换成电活动。当检测到一个气味,这些神经元,这第一层的嗅觉网络,信号,第二层:一组神经元位于大脑的一部分称为触角叶。在触角叶,感觉神经元第二层,共享相同的受体收敛到相同的神经元。“他们非常挑剔,”杨说。“他们不接收任何输入来自其他神经元表达受体。”Because it has fewer neurons than the first layer, this part of the network is considered a compression layer. These second-layer neurons, in turn, signal to a larger set of neurons in the third layer. Puzzlingly, those connections appear to be random.
杨,一个计算机神经学家,和哥伦比亚大学研究生彼得Yiliu王,这苍蝇的嗅觉系统的知识代表一个独特的机会。大脑的一些部分被映射为全面,这使得它难以评估特定神经回路的计算模型代表真正的架构,他们说。
建造一个人工嗅觉网络
神经网络,人工神经元重新连线来执行特定的任务,是受大脑的计算工具。他们可以被训练来挑选模式在复杂的数据集,使他们有价值的演讲和图像识别和其他形式的人工智能。有迹象表明,神经网络,最好做这个复制神经系统的活动。但是,王先生说,他现在是斯坦福大学博士后,不同结构的网络可以产生类似的结果,神经科学家仍然需要知道人工神经网络反映了实际结构的生物电路。关于果蝇嗅觉电路与全面的解剖数据,他说,“我们可以问这个问题:人工神经网络真正可以用于研究大脑?”
合作与哥伦比亚大学神经科学家理查德·阿克塞尔和拉里•阿伯特,杨和王构建人工神经网络由一个输入层、一层压缩和扩展层一样像果蝇嗅觉系统。他们给了相同数量的神经元果蝇系统,但没有内在结构:神经元之间的连接将会重新学会了分类模型的气味。
科学家们问网络分配数据代表不同的类别,气味和正确分类不仅仅是单一的气味,而且气味的混合物。这是大脑的嗅觉系统是特别擅长,杨说。如果你把两个不同的苹果的香味,他解释说,大脑仍然闻苹果。相反,如果两个猫的照片混合像素到像素,大脑不再看到一只猫。这种能力是大脑的一个特性是odor-processing电路,但捕获系统的本质,杨说。
人工网络只花了几分钟来组织本身。结构出现惊人的相似,被发现在果蝇大脑。压缩层中的每个神经元收到一个特定类型的输入输入神经元和连接,看似随意,到多个层神经元的扩张。更重要的是,扩张层中的每个神经元接收到连接,平均而言,从六个压缩层神经元整整过去发生在果蝇的大脑。
“这可能是一个,这可能是50。它可能是任何地方,”杨说。“生物学发现六,我们的网络发现大约六。”Evolution found this organization through random mutation and natural selection; the artificial network found it through standard machine learning algorithms.
令人惊讶的收敛性提供了强有力的支持,解释嗅觉信息的大脑回路优化组织的任务,他说。现在,研究人员可以使用该模型对结构进行进一步的探索,探索如何网络在不同条件下的发展和操作电路的方式不能做实验。
进一步探索
这个故事是由麻省理工学院新闻(再版web.mit.edu/newsoffice/),一个受欢迎的网站,包括麻省理工学院新闻研究、创新和教学。
