Les chercheurs ont associé un modèle d'apprentissage profond à des données expérimentales pour « décoder » l'activité neuronale de la souris. Grâce à cette méthode, ils peuvent déterminer avec précision où se trouve une souris dans un environnement ouvert et dans quelle course elle fait experience simplement en regardant ses schémas de déclenchement neuronal. Être capable de décoder l’activité neuronale pourrait fournir un aperçu de la fonction et du comportement de neurones individuels ou même de régions entières du cerveau. Ces découvertes, publiées le 22 février dans Biophysical Journal, pourraient également éclairer la conception de machines intelligentes qui ont actuellement du mal à naviguer de manière autonome.
- Les chercheurs ont utilisé un modèle d'apprentissage profond pour déchiffrer l'activité neuronale de souris
- Ils peuvent précisément déterminer la localisation et l'orientation d'une souris en observant ses schémas neuronaux
- Cette découverte pourrait aider à concevoir des machines intelligentes capables de naviguer sans GPS dans des environnements inconnus
- La méthode a permis de prédire avec plus de précision la position et les mouvements de la souris que les méthodes antérieures
En collaboration avec des chercheurs du laboratoire de recherche de l'armée américaine, l'équipe de l'auteur principal Vasileios Maroulas a utilisé un modèle d'apprentissage profond pour étudier deux types de neurones impliqués dans la navigation : les neurones de « course de la tête », qui codent des informations sur la direction dans laquelle l'animal fait face. et les « cellules de grille », qui codent des informations bidimensionnelles sur l'emplacement de l'animal dans son environnement spatial.
« Les systèmes de renseignement actuels se sont révélés excellents en matière de reconnaissance de formes, mais lorsqu'il s'agit de navigation, ces mêmes soi-disant systèmes de renseignement ne fonctionnent pas très bien sans les coordonnées GPS ou autre chose pour guider le processus », explique Maroulas, mathématicien. à l'Université du Tennessee à Knoxville. « Je pense que la prochaine étape pour les systèmes d'intelligence artificielle consiste à intégrer les informations biologiques aux méthodes d'apprentissage automatique existantes. »
Contrairement aux études précédentes qui tentaient de comprendre le comportement des cellules de la grille, l’équipe a basé sa méthode sur des données expérimentales plutôt que simulées. Les données, qui ont été collectées dans le cadre d'une étude précédente, consistaient en des schémas de déclenchement neuronaux collectés via des sondes internes, associés à des séquences vidéo de « vérification sur le terrain » sur l'emplacement réel de la souris, la posture de sa tête et ses mouvements alors qu'elle explorait un espace ouvert. environnement. L’analyse impliquait l’intégration de modèles d’activité dans des groupes de instructions de tête et de cellules de grille.
« Comprendre et représenter ces constructions neuronales nécessite des modèles mathématiques qui décrivent une connectivité d'ordre supérieur – ce qui signifie que je ne veux pas comprendre remark un neurone energetic un autre neurone, mais plutôt comprendre remark les groupes et les équipes de neurones se comportent. » dit Maroulas.
Grâce à la nouvelle méthode, les chercheurs ont pu prédire l’emplacement de la souris et la way de sa tête avec une moreover grande précision que les méthodes décrites précédemment. Ensuite, ils prévoient d’incorporer des informations provenant d’autres sorts de neurones impliqués dans la navigation et d’analyser des modèles in addition complexes.
À terme, les chercheurs espèrent que leur méthode aidera à concevoir des equipment intelligentes capables de naviguer dans des environnements inconnus sans utiliser le GPS ou les informations satellitaires. « L'objectif ultimate est d'exploiter ces informations pour développer une architecture d'apprentissage automatique able de naviguer avec succès sur un terrain inconnu de manière autonome et sans GPS ni guidage par satellite », explique Maroulas.
