Science >> Wetenschap >  >> Biologie

AI-aangedreven virtuele rat biedt inzicht in hoe hersenen complexe, gecoördineerde bewegingen controleren

Wetenschappers hebben een door kunstmatige intelligentie (AI) aangedreven virtuele rat ontwikkeld die kan leren complexe, gecoördineerde bewegingen uit te voeren, wat nieuwe inzichten biedt in hoe hersenen bewegingen controleren.

De virtuele rat, genaamd "RL-Rat", is gemaakt door onderzoekers van de University of California, Berkeley. RL-Rat is een gesimuleerd rattenbrein dat kan leren het lichaam van een robotrat te besturen. De onderzoekers gebruikten een versterkend leeralgoritme om RL-Rat te trainen in het uitvoeren van verschillende taken, zoals lopen, rennen en springen.

RL-Rat kon deze taken met vallen en opstaan ​​leren uitvoeren. Het algoritme beloonde RL-Rat voor succesvolle bewegingen en strafte hem voor mislukte bewegingen. In de loop van de tijd leerde RL-Rat bepaalde acties te associëren met positieve beloningen en andere acties met negatieve beloningen. Hierdoor kon het strategieën ontwikkelen om de taken met succes uit te voeren.

De onderzoekers ontdekten dat het leerproces van RL-Rat vergelijkbaar was met hoe echte ratten hun bewegingen leren beheersen. Dit suggereert dat RL-Rat een nuttig hulpmiddel zou kunnen zijn om te bestuderen hoe de hersenen bewegingen controleren en om nieuwe behandelingen voor bewegingsstoornissen te ontwikkelen.

Naast de mogelijke toepassingen voor het bestuderen van bewegingsstoornissen, zou RL-Rat ook kunnen worden gebruikt om andere aspecten van de hersenfunctie te bestuderen, zoals leren, geheugen en besluitvorming. RL-Rat is een krachtig hulpmiddel dat ons kan helpen een beter begrip te krijgen van hoe hersenen werken en hoe ze ons gedrag controleren.

Belangrijkste punten:

1. Wetenschappers van de Universiteit van Californië, Berkeley, hebben een door AI aangedreven virtuele rat gemaakt, genaamd "RL-Rat", die kan leren het lichaam van een robotrat te besturen en complexe bewegingen uit te voeren.

2. RL-Rat gebruikt een versterkend leeralgoritme om met vallen en opstaan ​​te leren, waarbij succesvolle bewegingen worden geassocieerd met positieve beloningen en niet-succesvolle bewegingen met negatieve beloningen.

3. Het leerproces van RL-Rat lijkt op de manier waarop echte ratten hun bewegingen leren beheersen, wat erop wijst dat het potentieel bruikbaar is voor het bestuderen van bewegingsstoornissen en andere aspecten van de hersenfunctie, zoals leren, geheugen en besluitvorming.