Software optimalizuje mozkové simulace a umožňuje jim dokončit složité kognitivní úkoly

Nový software umožňuje simulace mozku, které jak detailně napodobují procesy v mozku, tak mohou řešit náročné kognitivní úkoly. Program byl vyvinut výzkumným týmem v Cluster of Excellence „Strojové učení: Nové perspektivy pro vědu“ na univerzitě v Tübingenu. Software tak tvoří základ pro novou generaci mozkových simulací, které umožňují hlubší vhled do fungování a výkonnosti mozku. Papír výzkumníků z Tübingenu byl zveřejněno v deníku Přírodní metody.

Po desetiletí se výzkumníci pokoušeli vytvořit počítačové modely mozku, aby lépe porozuměli orgánu a procesům, které se tam odehrávají. Použití matematické metodysimulovali chování a interakci nervových buněk a jejich sloučenin.

Předchozí modely však měly značné slabiny: buď byly založeny na příliš zjednodušených modelech neuronů, a proto se výrazně odchylovaly od biologické reality, nebo detailně zobrazovaly biofyzikální procesy v buňkách, ale nebyly schopny provádět podobné úkoly jako mozek.

„Buď je cesta podobná jako v mozku, ale výsledek není, nebo je výsledek správný, ale proces, který tam vede, se nesrovnává s procesy v mozku,“ vysvětluje Michael Deistler, první autor studie a výzkumník v pracovní skupině profesora Jakoba Mackeho. Jaxley, jak se nový program nazývá, umožňuje trénovat modely mozku tak, že platí oba – což je důležitý krok k tomu, abychom z modelu mohli vyvodit závěry o skutečných procesech v mozku.

Toho bylo dosaženo pomocí metody, která se také používá k trénování umělých neuronových sítí: „backpropagation of error“. Umělá neuronová síť pomocí backpropagation upravuje své parametry během tréninku tak, aby daný vstup vedl k požadovanému výstupu. Síť se neustále přizpůsobuje, dokud spolehlivě nedosáhne požadovaného úkolu.

Tímto způsobem se síť učí, které vlastnosti a spojení v datech jsou důležité pro konkrétní proces, aby také poskytla správné výsledky na základě nových, podobných příkladů. Výzkumníci z Tübingenu přenesli tento tréninkový princip do simulací mozku.

Podrobné modely mozku plní náročné úkoly

Když mozek provádí úkol, v neuronech jsou zapojeny stovky důležitých parametrů. Může to být například velikost neuronů, síla spojení nebo počet iontových kanálů. „Mnoho z těchto parametrů nelze měřit. Až dosud to znemožňovalo vyvinout přesné simulace, které by vedly k dobrým výsledkům,“ říká Deistler.

„Jaxley dokáže tyto neměřitelné parametry trénovat v modelech mozku. Software opakovaně mění jejich hodnoty, opakovaně je přenastavuje, dokud simulace dosáhne požadovaného výsledku.“ Po tréninku byly výsledné modely mozku schopné klasifikovat obrázky nebo ukládat vzpomínky a přistupovat k nim.

„Díky Jaxleymu nyní můžeme studovat, jak neuronální mechanismy přispívají k řešení úkolů,“ říká Macke, profesor strojového učení ve vědě na univerzitě v Tübingenu a poslední autor studie. „Software umožní neurovědcům zkoumat složitost mozku a zobrazovat jej v počítačových simulacích.“ Dlouhodobé takové simulace by mohly být také použity například v medicíně, aby bylo možné porozumět neurologická onemocnění lépe nebo virtuálně si předem prostudujte účinek léků.