欢迎光临
我们一直在努力

蠕虫上传到计算机并教授惊人的技巧

看起来并不多:线虫秀丽隐杆线虫长约1毫米,是一种非常简单的生物。但对于科学来说,它非常有趣。秀丽隐杆线虫是神经系统完全被分析的唯一生物。它可以绘制成电路图或由计算机软件再现,以便通过计算机程序模拟蠕虫的神经活动。

这种人工的线虫目前已在TU Wien(维也纳)接受过训练,以表现出一个非凡的伎俩:计算机蠕虫已经学会平衡尾部尖端的杆。

蠕虫的反身行为作为计算机代码

秀丽隐杆线虫必须只有300个神经元。但它们足以确保蠕虫可以找到它的方式,吃细菌并对某些外部刺激做出反应。例如,它可以对身体的触摸做出反应。触发反射性反应,蠕虫蠕动。

这种行为可以完美地解释:它由蠕虫的神经细胞和它们之间的连接强度决定。当在计算机上重建这个简单的反射网络时,模拟的蠕虫以完全相同的方式对虚拟刺激作出反应 - 不是因为任何人编程它这样做,而是因为这种行为在其神经中是硬连线的网络。

“这种神经回路的这种反射性反应非常类似于平衡杆的控制剂的反应,”Ramin Hasani(TU Wien计算机工程研究所)说。这是典型的控制问题,可以通过标准控制器很好地解决:杆在其下端固定在移动物体上,并且应该保持在垂直位置。每当它开始倾斜时,下端必须稍微移动以防止杆翻倒。就像蜗杆在触摸刺激时必须改变方向一样,杆必须在倾斜时移动。

Mathias Lechner,Radu Grosu和Ramin Hasani想知道,上传到计算机的线虫的神经系统是否可以通过调整突触连接的强度来解决这个问题 - 不增加任何神经细胞。这个基本思想(调整神经细胞之间的联系)也是任何自然学习过程的特征。

没有程序员的程序

“在强化学习的帮助下,这种方法也被称为'基于实验和奖励的学习',人工反射网络在计算机上进行了训练和优化,”Mathias Lechner解释说。事实上,该团队成功地教导了虚拟神经系统以平衡极点。“结果是一个控制器,它可以解决一个标准的技术问题 - 稳定杆,在其尖端上保持平衡。但是没有人为这个控制器编写过一行代码,它只是通过训练生物神经系统而出现的, “Radu Grosu说。

该团队将进一步探索此类控制电路的功能。该项目提出了一个问题,即活神经系统和计算机代码之间是否存在根本区别。机器学习和我们的大脑活动在基础水平上是一样的吗?至少我们可以肯定的是,简单的线虫秀丽隐杆线虫并不关心它是作为蠕虫存在于地下还是作为计算机硬盘上的虚拟蠕虫。

免责声明:本网站图片,文字之类版权申明,因为网站可以由注册用户自行上传图片或文字,本网站无法鉴别所上传图片或文字的知识版权,如果侵犯,请及时通知我们,本网站将在第一时间及时删除。