Een computer leren zich te gedragen als een zebravis was niet het doel van Martin Haesemeyer.

In feite, de onderzoeksmedewerker in de laboratoria van Florian Engert, hoogleraar moleculaire en celbiologie, en Alexander Schier, de Leo Erikson Life Sciences hoogleraar Moleculaire en Cellulaire Biologie, hoopte een systeem te bouwen dat anders werkte dan zebravissen met het oog op het vergelijken van hoe beide temperatuurinformatie verwerken.

Wat hij in plaats daarvan kreeg, was een systeem dat de zebravis bijna perfect nabootste - en dat zou een krachtig hulpmiddel kunnen zijn om de biologie te begrijpen. Het werk wordt beschreven in een paper van 31 juli gepubliceerd in neuron .

"Aanvankelijk, waar ik nieuwsgierig naar was, was een soort vergelijkend onderzoek, om naar zebravissen en zoiets als Drosophila te kijken en te kijken of hun hersenen dit op dezelfde manier doen, "Zei Haesemeyer. "En als een goedkoper alternatief dan een ander dier het te laten doen, Ik koos voor het kunstmatige neurale netwerk, en ik was verrast dat het zo goed werkte."

Met behulp van open-source softwaretools, Haesemeyer bouwde een neuraal netwerk met een andere architectuur dan die van het zebravisbrein, gaf het enkele basisregels voor het verwerken van temperatuurveranderingen, en liet het vervolgens "leren" hoe het het voor zichzelf moest doen.

"Eigenlijk, wat het netwerk leert, is … een filterfunctie voor het extraheren van veranderingssnelheden uit een stimulus, " zei Haesemeyer. "Het maakt wat het denkt dat de beste beweging is, en als de invoer verandert omdat het zich op een andere plaats bevindt, het beweegt weer, en begint de hittegradiënt te navigeren. En na het leren, het kan dat heel goed doen."

Maar het was niet alleen het vermogen van het netwerk om te navigeren die Haesemeyer interesseerde - het was het feit dat het het leek te doen op een manier die identiek was aan de vis.

"Er waren twee dingen waar ik naar keek, "zei hij. "De eerste was, bij gebrek aan een betere term, hoe goed was zijn gedrag te vergelijken met de zebravis? Volgt het soortgelijke regels als de zebravis? En dat doet het inderdaad.

"Ik kan ook meten hoe snel het stimulus integreert, " vervolgde hij. "Ik had dat eerder gedaan met zebravissen, en de resultaten van het kunstmatige netwerk komen overeen, dus ook al heb ik het netwerk niet verteld dat het elke halve seconde op de temperatuur moet letten, wat de vis doet, het leerde een soortgelijke vaardigheid."

Haesemeyer vergeleek vervolgens het kunstmatige netwerk met beeldvormingsgegevens van de hele hersenen die hij eerder had verzameld en die aantoonden hoe elke cel in de hersenen van de zebravis reageerde op temperatuurstimulans. Hij ontdekte dat de kunstmatige "neuronen" dezelfde celtypen vertoonden als die in de biologische gegevens.

"Dat was de eerste verrassing - dat er eigenlijk een heel, zeer goede match tussen hoe het netwerk de temperatuur codeert en hoe de vissen de temperatuur coderen, " zei hij. "En als een manier om dat punt een beetje meer te bevestigen ... een ding dat we gemakkelijk kunnen doen met het kunstmatige netwerk is het verwijderen van bepaalde celtypes. Toen we alle cellen verwijderden die op die in de vis lijken, het netwerk kan de helling niet meer navigeren, dus dat geeft echt aan dat wat het netwerk doet doen wat het doet, de cellen zijn die eruitzien als die in de vis."

Haesemeyer denkt dat het misschien mogelijk is om kunstmatige netwerken voor andere dieren te creëren. Als het is, ze kunnen belangrijke gidsen blijken te zijn voor het begrijpen van biologische netwerken.

"Bijvoorbeeld, er was één celtype in het netwerk dat ik niet in de vis had gevonden, ' zei hij. 'Maar aangezien al het andere zo goed bij elkaar leek te passen, Ik dacht dat ik het misschien gewoon niet vond, want als je beeldvorming van de hele hersenen analyseert, moet je bepaalde afwegingen maken die het vinden van zeldzame celtypen moeilijk maken. En het bleek dat dit ene celtype, die het netwerk voorspelde en ik niet had gevonden, bestaat echt in de vis."

Hoewel Haesemeyer zei te betwijfelen of de dag zal komen dat kunstmatige netwerken voldoende zijn om complex gedrag te begrijpen - hypothesen zullen altijd door de biologie moeten worden bevestigd - gelooft hij dat de netwerken als belangrijke hulpmiddelen kunnen dienen.

"Als je weet welke vragen je moet stellen, je hoeft aanzienlijk minder experimenten te doen, en je kon veel sneller antwoorden krijgen dan in het donker met een jachtgeweer te gaan jagen, " hij zei.

Haesemeyer zei dat de bevinding ook de noodzaak benadrukt voor onderzoekers om een ​​beter begrip te krijgen van hoe dergelijke kunstmatige netwerken precies werken.

"Ik denk dat het belangrijker en interessanter wordt om in het algemeen te bestuderen hoe deze netwerken deze dingen doen, omdat het nog steeds erg moeilijk is om te ontrafelen wat ze aan het doen zijn, "zei hij. "In dit geval, het werkte omdat de inputstimulus vrij eenvoudig was, maar ik denk dat er interessante ontwikkelingen zijn in het begrijpen hoe deze netwerken hun taken uitvoeren die ons meer over ons brein kunnen leren."

Dit verhaal is gepubliceerd met dank aan de Harvard Gazette, De officiële krant van Harvard University. Voor aanvullend universiteitsnieuws, bezoek Harvard.edu.