Οι ερευνητές ανέπτυξαν ένα μοντέλο τεχνητής νοημοσύνης του εγκεφάλου της μύγας των φρούτων για να κατανοήσουν πώς η όραση καθοδηγεί τη συμπεριφορά. Σιωπώντας γενετικά συγκεκριμένους οπτικούς νευρώνες και παρατηρώντας τις αλλαγές στη συμπεριφορά, εκπαίδευσαν την ΤΝ να προβλέπει με ακρίβεια τη νευρωνική δραστηριότητα και τη συμπεριφορά. Τα ευρήματά τους αποκαλύπτουν ότι πολλαπλοί συνδυασμοί νευρώνων, και όχι μεμονωμένοι τύποι, επεξεργάζονται οπτικά δεδομένα σε έναν πολύπλοκο “πληθυσμιακό κώδικα”. Αυτή η ανακάλυψη ανοίγει το δρόμο για μελλοντική έρευνα του ανθρώπινου οπτικού συστήματος και των σχετικών διαταραχών.

Μας έχουν πει: “Τα μάτια είναι το παράθυρο της ψυχής”. Λοιπόν, τα παράθυρα λειτουργούν με δύο τρόπους. Τα μάτια μας είναι επίσης τα παράθυρα στον κόσμο. Αυτό που βλέπουμε και το πώς το βλέπουμε συμβάλλουν στον καθορισμό του τρόπου με τον οποίο κινούμαστε στον κόσμο. Με άλλα λόγια, η όρασή μας βοηθά να καθοδηγούμε τις πράξεις μας, συμπεριλαμβανομένης της κοινωνικής συμπεριφοράς.

Τώρα, ένας νεαρός επιστήμονας του Cold Spring Harbor Laboratory (CSHL) ανακάλυψε ένα σημαντικό στοιχείο για το πώς λειτουργεί αυτό. Το έκανε κατασκευάζοντας ένα ειδικό μοντέλο τεχνητής νοημοσύνης του εγκεφάλου της κοινής φρουτόμυγας.

Ο επίκουρος καθηγητής του CSHL Benjamin Cowley και η ομάδα του τελειοποίησαν το μοντέλο τεχνητής νοημοσύνης τους μέσω μιας τεχνικής που ανέπτυξαν και ονομάζεται “knockout training”. Αρχικά, κατέγραψαν τη συμπεριφορά ερωτοτροπίας μιας αρσενικής φρουτόμυγας – κυνηγώντας και τραγουδώντας σε ένα θηλυκό.

Στη συνέχεια, αποσιώπησαν γενετικά συγκεκριμένους τύπους οπτικών νευρώνων στην αρσενική μύγα και εκπαίδευσαν την τεχνητή νοημοσύνη τους να ανιχνεύει τυχόν αλλαγές στη συμπεριφορά. Επαναλαμβάνοντας αυτή τη διαδικασία με πολλούς διαφορετικούς τύπους οπτικών νευρώνων, κατάφεραν να κάνουν την τεχνητή νοημοσύνη να προβλέψει με ακρίβεια πώς θα συμπεριφερόταν η πραγματική φρουτόμυγα ως απάντηση σε οποιαδήποτε θέαση του θηλυκού.

“Μπορούμε πραγματικά να προβλέψουμε τη νευρική δραστηριότητα υπολογιστικά και να ρωτήσουμε πώς συγκεκριμένοι νευρώνες συμβάλλουν στη συμπεριφορά”, λέει ο Cowley. “Αυτό είναι κάτι που δεν μπορούσαμε να κάνουμε πριν”. Με τη νέα τεχνητή νοημοσύνη, η ομάδα του Cowley ανακάλυψε ότι ο εγκέφαλος της φρουτόμυγας χρησιμοποιεί έναν “πληθυσμιακό κώδικα” για την επεξεργασία των οπτικών δεδομένων. Αντί ένας τύπος νευρώνα να συνδέει κάθε οπτικό χαρακτηριστικό με μια ενέργεια, όπως υποτίθεται προηγουμένως, πολλοί συνδυασμοί νευρώνων ήταν απαραίτητοι για τη διαμόρφωση της συμπεριφοράς.

Ένα διάγραμμα αυτών των νευρικών οδών μοιάζει με έναν απίστευτα πολύπλοκο χάρτη του μετρό και θα χρειαστούν χρόνια για να αποκρυπτογραφηθεί. Παρόλα αυτά, μας οδηγεί εκεί που πρέπει να πάμε. Επιτρέπει στην Τεχνητή Νοημοσύνη του Cowley να προβλέψει πώς θα συμπεριφερθεί μια πραγματική μύγα φρούτων όταν της παρουσιαστούν οπτικά ερεθίσματα.

Αυτό σημαίνει ότι η τεχνητή νοημοσύνη θα μπορούσε κάποια μέρα να προβλέψει την ανθρώπινη συμπεριφορά; Όχι τόσο γρήγορα. Οι εγκέφαλοι των φρουτόμυγων περιέχουν περίπου 100.000 νευρώνες. Ο ανθρώπινος εγκέφαλος έχει σχεδόν 100 δισεκατομμύρια.

“Έτσι είναι τα πράγματα για τη μύγα των φρούτων. Μπορείτε να φανταστείτε πώς είναι το οπτικό μας σύστημα”, λέει ο Cowley, αναφερόμενος στον χάρτη του μετρό. Παρόλα αυτά, ο Cowley ελπίζει ότι το μοντέλο τεχνητής νοημοσύνης του θα μας βοηθήσει κάποια μέρα να αποκωδικοποιήσουμε τους υπολογισμούς που διέπουν το ανθρώπινο οπτικό σύστημα.

“Αυτό θα είναι δουλειά δεκαετιών. Αλλά αν μπορέσουμε να το καταλάβουμε, είμαστε μπροστά από το παιχνίδι”, λέει ο Cowley. “Μαθαίνοντας τους υπολογισμούς [της μύγας], μπορούμε να φτιάξουμε ένα καλύτερο τεχνητό οπτικό σύστημα. Το πιο σημαντικό είναι ότι θα κατανοήσουμε τις διαταραχές του οπτικού συστήματος με πολύ μεγαλύτερη λεπτομέρεια”.