Een team van onderzoekers van het RWTH Aachen University's Institute of Information Management in Mechanical Engineering heeft onlangs het gebruik van neurowetenschappelijke technieken onderzocht om te bepalen hoe informatie is gestructureerd in kunstmatige neurale netwerken (ANN's). In hun krant voorgepubliceerd op arXiv, de onderzoekers pasten een techniek toe die ablatie wordt genoemd, wat inhoudt dat delen van de hersenen worden weggesneden om hun functie te bepalen, op neurale netwerkarchitecturen.

"Ons idee is geïnspireerd op onderzoek op het gebied van neurowetenschappen, waar een van de belangrijkste doelen is om te begrijpen hoe onze hersenen werken, "Richard Meyes en Tobias Meisen, twee onderzoekers die de studie uitvoerden, vertelden TechXplore, via e-mail. "Veel inzichten over de functionaliteiten van de hersenen werden ontdekt in ablatiestudies, dat is een benadering waarbij specifieke delen van de hersenen zorgvuldig en gecontroleerd worden beschadigd, het vermogen van de hersenen om alledaagse taken uit te voeren, aantasten, zoals het genereren van spraak, of beweging."

Het doel van de studie van Meyes, Meisen en hun collega Peter Lillian moesten ANN's onderzoeken vanuit een biologisch perspectief, het beoordelen van hun structuur en de functie van hun verschillende componenten. Ze besloten dit te doen met behulp van ablatie, een techniek die al meer dan tweehonderd jaar in neurowetenschappelijk onderzoek wordt gebruikt.

Eigenlijk, ablatie bestaat uit het selectief verwijderen of vernietigen van weefsel in specifieke delen van de hersenen, met als enig doel de gedragseffecten van deze schade te observeren en zo de functie van deze gebieden beter te begrijpen. Ablatie is al in verschillende onderzoeken toegepast op ANN's, maar deze studies waren voornamelijk gericht op het aanpassen van de lagen van het netwerk en het veranderen van de structuur, dus meer lijkt op het zoeken naar parameters dan biologische ablatie.

In hun studie hebben de onderzoekers wilden delen van ANN's beschadigen en observeren hoe dit hun prestaties beïnvloedde. uiteindelijk, ze wilden deze waarnemingen gebruiken om de organisatie van kunstmatige neurale netwerken te vergelijken met die van biologische.

"Het idee achter ablaties voor kunstmatige neurale netwerken (ANN's) is eenvoudig, Meyes en Meisen legden uit. "Eerst, we trainen een netwerk om een ​​specifieke taak uit te voeren, bijv. handgeschreven cijfers herkennen. Tweede, we snijden een klein deel van het netwerk af en evalueren hoe de prestaties van het netwerk veranderen als gevolg van de veroorzaakte schade. Derde, we bepalen of er een relatie is tussen de locatie van het beschadigde onderdeel en het effect dat dit had op de prestaties van het netwerk. Op deze manier, we ontdekten dat specifieke mogelijkheden van het netwerk, bijv. om voorwaartse bewegingen van de bestuurde robot uit te voeren, zijn lokaal vertegenwoordigd en kunnen doelbewust worden vernietigd."

Door ANN's die getraind zijn om door een draadlus te navigeren ablatie te verwijderen en te onderzoeken hoe deze interventies hun output beïnvloedden, de onderzoekers verzamelden een aantal interessante bevindingen, wat suggereert dat er inderdaad verbanden en overeenkomsten zijn tussen kunstmatige en biologische netwerken. Deze overeenkomsten hebben zowel te maken met de manier waarop de netwerken zich organiseren als met de opslag van informatie.

"Onze meest interessante bevinding is de observatie dat de prestaties van een beschadigd netwerk over het algemeen afnemen, hoewel zeer specifieke mogelijkheden van het netwerk, bijv. een bepaald cijfer herkennen, kan worden verbeterd door specifieke onderdelen te beschadigen, " zeiden Meyes en Meisen. "Onze studie suggereert dat de prestaties van een neuraal netwerk kunnen worden verbeterd door het zorgvuldig in de juiste regio's te beschadigen. Verder, onze studie impliceert dat de toepassing van neurowetenschappelijke methoden voor ANN's nieuwe perspectieven kan openen voor het begrijpen van kunstmatige intelligentie."

Ondanks de fascinerende resultaten verzameld door Meyes, Meisen en Lilian, hun studie had verschillende beperkingen en was slechts een eerste stap in het onderzoeken van de verbindingen tussen biologische en kunstmatige neurale netwerken. Bijvoorbeeld, hun experimenten werden beperkt door het gebruik van versterkingsleren en vertrouwden op een model dat robotisch was getraind, live. Toekomstig onderzoek zou de overeenkomsten tussen ANN's en hersennetwerken in meer detail en op grotere schaal kunnen onderzoeken.

"We zijn nu van plan om door te gaan met het verkennen van ons algemene idee van het uitvoeren van neurowetenschappelijk geïnspireerd onderzoek naar ANN's, " Meyes en Meisen zeiden. "Een van onze volgende stappen zal zijn om activiteit in ANN's te visualiseren, net zoals hersenactiviteit kan worden gevisualiseerd met beeldvormende methoden zoals fMRI. We willen het besluitvormingsproces in ANN's transparanter maken en een nieuw perspectief krijgen op AI in het algemeen."

© 2018 Wetenschap X Netwerk