Pesquisadores do DeepMind e Harvard estão usando um rato virtual para ver o que as redes neurais podem nos ensinar sobre biologia
Imagens: Deepmind e Universidade de Harvard.
O roedor virtual foi treinado para resolver tarefas, incluindo saltar sobre lacunas, forjar um labirinto, e tocar uma bola duas vezes com a pata dianteira com um intervalo de tempo preciso entre os toques.
Podemos estudar IA (inteligência artificial) da mesma forma que estudamos ratos de laboratório? Pesquisadores do DeepMind e da Universidade de Harvard parecem pensar assim. Eles construíram um rato virtual alimentado por IA que pode realizar múltiplas tarefas complexas. Então, eles usaram técnicas de neurociência para entender como seu "cérebro" artificial controla seus movimentos.
A IA mais avançada de hoje é alimentada por redes neurais artificiais - algoritmos de aprendizagem de máquina compostos por camadas de componentes interconectados chamados "neurônios" que são vagamente inspirados pela estrutura do cérebro. Embora eles operem de maneiras muito diferentes, um número crescente de pesquisadores acredita que traçar paralelos entre os dois poderia tanto melhorar nossa compreensão da neurociência quanto tornar a IA mais inteligente.
Agora, os autores de um novo artigo que será apresentado esta semana na Conferência Internacional sobre Representações de Aprendizagem criaram um modelo 3D biologicamente preciso de um rato que pode ser controlado por uma rede neural em um ambiente simulado. Eles também mostraram que poderiam usar técnicas de neurociência para analisar a atividade cerebral biológica para entender como a rede neural controla os movimentos do rato.
A plataforma pode ser o equivalente à neurociência de um túnel de vento, diz Jesse Marshall, coautor e pesquisador de pós-doutorado em Harvard, ao permitir que os pesquisadores testem diferentes redes neurais com diferentes graus de realismo biológico para ver o quão bem eles enfrentam desafios complexos.
"Experimentos típicos em neurociência sondam os cérebros de animais que realizam comportamentos únicos, como tocar alavancas, enquanto a maioria dos robôs são feitos sob medida para resolver tarefas específicas, como aspiração domiciliar", diz ele. "Este artigo é o início de nosso esforço para entender como a flexibilidade surge e é implementada no cérebro, e usar os insights que ganhamos para projetar agentes artificiais com capacidades semelhantes."
O roedor virtual apresenta músculos e articulações com base em medidas de ratos da vida real, bem como visão e senso de propriocepção, que se refere ao sistema de feedback que diz aos animais onde suas partes do corpo estão e como eles estão se movendo. Os pesquisadores então treinaram uma rede neural para guiar o rato através de quatro tarefas — pulando uma série de lacunas, forrageando em um labirinto, tentando escapar de um ambiente montanhoso e realizando pares de toques cronometrados precisamente em uma bola.
Uma vez que o rato poderia completar com sucesso as tarefas, a equipe de pesquisa então analisou gravações de sua atividade neural usando técnicas emprestadas da neurociência para entender como a rede neural estava alcançando o controle motor necessário para completar as tarefas.
Como os pesquisadores tinham construído a IA que alimentava o rato, muito do que eles encontraram era esperado. Mas uma visão interessante que eles obtiveram foi que a atividade neural parecia ocorrer em escalas de tempo mais longas do que seria esperado se estivesse controlando diretamente as forças musculares e os movimentos dos membros, diz Diego Aldarondo, coautor e estudante de pós-graduação em Harvard.
"Isso implica que a rede representa comportamentos em uma escala abstrata de corrida, salto, fiação e outras categorias comportamentais intuitivas", diz ele, um modelo cognitivo que já foi proposto para existir em animais.
A rede neural parecia reutilizar algumas dessas representações através de tarefas, e a atividade neural que os codificava muitas vezes tomou a forma de sequências, um fenômeno que tem sido observado tanto em roedores quanto em pássaros canoros.
Os pesquisadores criaram o rato virtual na esperança de que outros pesquisadores se baseiem em suas descobertas, diz Josh Merel, coautor e pesquisador sênior do DeepMind.
Embora as redes neurais não tenham o realismo fisiológico de alguns modelos, Blake Richards, um neurocientista da Universidade McGill, no Canadá, que não estava envolvido no trabalho, diz que eles capturam características importantes suficientes do processamento neural para gerar previsões úteis sobre como a atividade neural afeta o comportamento. A grande contribuição deste artigo, diz ele, é encontrar uma maneira de treinar essas redes de forma realista, o que torna muito mais fácil comparar com dados biológicos.
"Os autores estão fornecendo uma plataforma para treinamento de redes neurais em um corpo realista e conjunto de tarefas, o que tornará as comparações com cérebros reais em roedores muito mais valiosas", acrescenta.
Embora seja preciso ter cuidado em fazer comparações excessivamente amplas entre redes neurais artificiais e biológicas, essa abordagem pode ser uma maneira frutífera de sondar os fundamentos neurais do comportamento, diz Stephen Scott, neurocientista da Queen's University, no Canadá, que não estava envolvido no trabalho.
A complexidade de registrar atividade neural em animais e ligá-la a comportamentos específicos significa que a maioria dos experimentos são feitos em tarefas relativamente simples em ambientes experimentais rígidos, diz Scott. Em contraste, o rato virtual pode realizar comportamentos complexos e multipartes como forrageamento que podem estar ligados à sua entrada sensorial e atividade neural com alta precisão.
O único problema é que coletar dados neurais de animais em tarefas tão complicadas é muito difícil, diz Scott. Ele gostaria de ver os autores testarem o rato virtual em algumas das tarefas mais simples usadas em ambientes de laboratório para que os padrões de atividade neural pudessem ser comparados com aqueles encontrados em animais para ver onde eles divergem.