Червь балансирует на своем хвосте

C. elegans быстро становится талисманом ИИ. У нас есть полная схема для его нейронов, и это уже привело к некоторым впечатляющим достижениям, включая создание искусственной версии мозга червя. Сейчас мы вступаем в эру творческого использования обнаруженных нами схем.

C.elegans – это крошечный червь-нематода, но на данный момент он очень важен. У нас есть полная карта ее, по общему признанию, простой нейронной цепи. Это использовалось для реализации мозга червя разными способами, и было удивительно, насколько хорошо искусственные устройства, кажется, ведут себя как червь. Это интересно, но моделирование отдельных нейронов было менее реалистичным. То же самое и с искусственной нейронной сетью. Теперь команда исследователей, Матиас Лехнер, Раду Гросу и Рамин М. Хасани из TU Wien в Австрии, создала более точную модель и переназначила часть нейронной сети для выполнения другой работы.
Нейроны были смоделированы с использованием дифференциального уравнения для протекающего интегрирующего и возбуждающего нейрона – гораздо более вероятного с биологической точки зрения, чем тип взвешенной суммы нейронов, который вы найдете в искусственной нейронной сети. Смоделированный участок сети представлял собой схему TW «Отвода отвода», которая заставляет червяка отодвигаться, когда его хвост постукивается.

Это использовалось для управления перевернутым маятником – стандартной задачей ИИ, особенно в обучении с подкреплением. Перевернутый маятник – это шарнирная палка, прикрепленная к маленькой тележке. Тележка может двигаться влево или вправо, и задача состоит в том, чтобы переместить ее так, чтобы уравновесить палку. Это достаточно похоже на движение отвода крана, чтобы позволить той же нейронной цепи выполнять работу:

Была использована структура схемы, но параметры были скорректированы с помощью алгоритма обучения с подкреплением на основе поиска. Кажется, это работает:
«Последняя нейронная схема TW достигает максимально возможной отдачи в 1000, что равно производительности ПИД-регулятора или искусственной нейронной сети. Однако, поскольку положение и скорость тележки либо передаются в схему, либо непосредственно влияют на награду, управляемая тележка подвержена небольшому смещению, из-за чего она достигнет одного конца подвижного пространства после завершения оценки окружающей среды ”
Вы можете увидеть схему в действии в следующем коротком видео:

Вы также можете увидеть работу нейронов в цепи во время движения тележки.
Это интересно, потому что демонстрирует, что структура нейронов в цепи TW способна решить сложную проблему управления, и все, что вам нужно сделать, чтобы заставить ее работать, – это настроить параметры, которые контролируют, насколько чувствительны нейроны. Обратите внимание, что сеть не изучила задачу в обычном смысле, но для ее корректировки использовалось обучение с подкреплением. Предположительно, параметры могли изменяться с течением времени эволюционным образом.

Кажется, что структура сети несет в себе большую часть функциональности, что является еще одним большим различием между нашими текущими типичными искусственными нейронными сетями и TW.

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *