哈佛大学的科学家与谷歌的 DeepMind人工智能实验室合作开发了一种虚拟老鼠模型,该模型具有能够模仿自然动作的人造大脑。
创建该模型是为了更好地了解大脑如何控制运动。
现代机器人技术尽管取得了种种成就,但仍然无法再现动物和人的自然运动。
哈佛大学研究生兼项目参与者指出,主要问题涉及硬件和软件方面。
硬件和软件问题
从硬件角度来看,研究人员在创造具有动物身体灵活性、力量和能源效率的机器人时遇到了挑战。
从软件角度来看,主要障碍是开发有效的物理模拟和机器学习算法来训练模仿人类运动的控制器。
还有一个称为模拟与现实差距的问题,是由物理模拟与现实世界之间的差异引起的。
这使得将经过模拟训练的控制器转移到真实的机器人上变得困难。
创建虚拟大鼠模型
Aldaondo 与有机与进化生物学系的 Bence Olwiecki 教授以及来自哈佛大学和 Google DeepMind 的其他科学家一起开发了一种生物力学逼真的数字大鼠模型。
研究人员与 Google DeepMind 合作,该平台开发了用于训练人工神经网络 (ANN)的工具,该网络能够在物理模拟器中控制生物力学动物模型。
该团队使用 MuJoCo(一种模拟重力和其他物理力的物理模拟器),并开发了另一个平台“电机模拟和控制”(MIMIC),来训练 ANN 表现得像老鼠一样。
使用真实大鼠记录的高分辨率数据来训练人工神经网络。
对神经科学的重要性
这对神经科学很重要,因为它允许开发计算模型,在物理模拟中重现动物运动,并预测真实大脑预期的神经活动模式。
使用人工神经网络,研究人员能够创建逆动态模型,科学家相信我们的大脑可以利用该模型来控制身体运动并达到所需的状态。
用更身体化的术语来说,我们可以将逆模型视为创建实现所需姿势所需的肌肉激活,同时考虑到身体的物理特性。
这个概念对于运动神经科学很有用,因为运动协调涉及通过与世界的经验来学习解释身体的物理特性。
模型精度
来自真实老鼠的数据帮助虚拟模型了解实现所需运动所需的力量,即使它没有经过专门训练。
当测量真实大鼠和虚拟模型的神经活动时,研究人员发现虚拟模型准确地预测了真实大鼠的神经活动。
这开辟了虚拟神经科学的新领域,人工创造的动物可用于研究神经回路及其对疾病的干扰。
研究结果发表在《 自然》杂志上 。