Nature에 로그인하세요. 뇌는 움직임을 어떻게 제어하나요? DeepMind는 'AI 두뇌'로 가상 동물을 디자인합니다.

편집 | 당근 피부

동물은 자신의 신체를 매우 미묘하게 제어할 수 있으므로 다양한 행동을 수행할 수 있습니다. 그러나 뇌가 어떻게 이러한 제어를 수행하는지는 아직 불분명합니다. 이해를 심화하려면 제어 원리를 동물의 신경 활동 구조와 연결할 수 있는 모델이 필요합니다.

이를 달성하기 위해 Harvard University와 Google DeepMind의 연구원들은 인공 신경망을 사용하여 물리적 시뮬레이터에서 쥐의 생체 역학 시뮬레이션 모델을 구동하는 "가상 취한 동물"을 구축했습니다.

팀은 심층 강화 학습을 사용하여 자유롭게 움직이는 마우스의 행동을 모방하도록 가상 에이전트를 훈련시켰고, 이를 통해 연구자들은 "실제 쥐에서 기록된 신경 활동"과 마우스의 행동을 시뮬레이션한 "가상 에이전트 행동" 모델을 비교할 수 있었습니다. 이러한 '가상 에이전트 동물의 네트워크 활동'은 뇌의 학습 및 추론 과정을 탐구하는 데 사용될 수 있으며, 이를 통해 이러한 과정에 대한 이해를 높일 수 있습니다. 또한 팀의 딥 러닝 모델은 더 똑똑한 로봇과 기타 자율 시스템을 개발하는 데 도움이 될 수 있습니다.

이 모델은 실제 쥐의 움직임을 정확하게 모방할 수 있으며, 이는 뇌가 복잡하고 조화로운 움직임을 제어하는 ​​방법에 대한 과학자의 이해를 향상시킬 것으로 예상되는 주요 성과입니다.

가장 진보된 로봇이 이 결과를 재현하는 것은 어렵습니다. 연구팀은 이번 발견이 미래 로봇의 유연성을 크게 향상시킬 수 있다고 믿습니다.

이 연구의 제목은 "가상 설치류가 행동 전반에 걸쳐 신경 활동의 구조를 예측합니다"이며 2024년 6월 11일 "Nature"에 게재되었습니다.

인간과 동물은 공학적 시스템이 모방하기 어려운 쉽고 효율적으로 자신의 신체를 제어할 수 있습니다. 이는 스포츠 신경과학의 기술적 측면인 전산 시뮬레이션에 의해 발생합니다. 그 이유는 복잡하고 자연스러운 움직임의 인과적 생성 모델과 관련하여 운동 시스템의 신경 활동에 대한 명확한 설명이 거의 없기 때문입니다.

이러한 생물유전학 모델은 신경과학자들이 관련 뇌 영역의 신경 활동을 다양한 신체 부위의 운동학 및 역학과 같은 측정 가능한 운동 특성에 연결하여 운동 시스템 기능을 추론하려고 시도한다는 점에서 다릅니다.

그러나 이러한 접근 방식에는 문제가 있습니다. 왜냐하면 물리 법칙은 본질적으로 운동의 특성과 관련되어 있어 동작을 생성하기보다는 설명만 할 수 있기 때문입니다. 이 문제를 해결하기 위해 연구팀은 제어 모델과 관련된 가상 동물 모델을 사용하여 계산 원리를 추론하는 새로운 접근 방식을 제안했습니다.

그림: MIMIC을 사용하여 행동 스펙트럼 내에서 생물학적 컨트롤과 인공 컨트롤을 비교합니다. (출처: 논문)

연구팀은 물리 시뮬레이터에서 작동하는 생체역학적으로 사실적인 쥐 모델을 인공신경망(ANN)이 구동하는 '가상 설치류'를 개발했습니다.

이 시스템을 구축할 때는 다루기 쉬움, 표현력, 생물학적 사실성 사이에서 균형을 맞춰야 합니다. 연구진은 쥐의 행동을 재현하고 신경 활동을 예측할 수 있는 가장 간단한 모델을 선택했습니다.

이 모델은 심층 강화 학습을 사용하여 역동성 모델을 구현하도록 ANN을 교육합니다. 입력은 실제 동물의 미래 동작 기준 궤적과 현재 신체 상태이고, 출력은 원하는 상태를 달성하는 데 필요한 동작입니다. 연구자들은 관련 데이터를 기반으로 실제 쥐의 신경 활동과 가상 설치류 네트워크의 활동을 비교할 수 있습니다.

이 접근 방식에는 두 가지 주요 장점이 있습니다. 첫째, 모델은 인과적이며 관심 있는 행동을 단지 설명하는 것이 아니라 물리적으로 재현할 수 있습니다. 두 번째는 단순히 정보 흐름에 대한 설명이 아닌 뇌 영역이 구현하는 기능을 식별하는 데 중점을 두는 것입니다.

"우리는 '체화된 에이전트'를 구축하는 과정에서 많은 것을 배웠습니다. AI 시스템은 지능적으로 생각할 뿐만 아니라 이러한 생각을 복잡한 환경에서 실제 행동으로 변환해야 합니다." Google Deepmind의 Matthew Botvinick은 다음과 같이 말했습니다. 신경과학 맥락에서 동일한 접근법은 행동과 뇌 기능에 대한 통찰력을 제공하는 것으로 보입니다. 결과는 감각운동선조체와 운동 피질의 신경 활동이 가상 설치류의 네트워크 활동에 의해 더 정확하게 예측되었음을 보여주었습니다. 이는 역역학을 달성하는 이 두 영역과 일치합니다. 제어.

일러스트: 가상 마우스. (출처: Deepmind 웹사이트)

또한 네트워크의 근본적인 변화는 행동 전반에 걸친 신경 변화의 구조를 예측하고 최적의 피드백 제어라는 최소 개입 원칙에 부합하는 방식으로 시스템 견고성을 부여합니다.

이 연구 결과는 물리적 시뮬레이션을 통해 생체역학적으로 현실적인 가상 동물이 행동 전반에 걸쳐 신경 활동의 구조를 설명하고 이를 운동 제어의 이론적 원리와 연결하는 데 도움이 될 수 있음을 보여줍니다.

그리고 이 접근 방식은 인공 컨트롤러가 생체 역학 모델을 조작하여 신경 회로의 계산 원리를 밝힐 수 있는 가능성을 보여줍니다. 가상 동물은 실험에서 추론하기 어려운 변수가 신경 활동과 행동에 미치는 영향을 시뮬레이션하기 위한 가상 신경 과학의 플랫폼 역할을 할 수 있습니다.

이 연구 분야는 고급 보철물 및 뇌-컴퓨터 인터페이스 개발에 매우 ​​중요합니다. 신경 회로를 재구성함으로써 이 연구에서 얻은 통찰력은 운동 장애를 치료하는 새로운 방법으로 이어질 수 있습니다. 또한 연구에서는 가상 쥐가 신경 회로와 질병이 이러한 회로에 미치는 영향을 연구하기 위한 투명한 모델을 제공한다는 점에 주목했습니다.

다음으로 연구진은 가상 쥐가 실제 쥐가 직면한 작업을 자율적으로 해결하여 뇌의 기술 습득 알고리즘에 대한 이해를 더욱 깊게 할 계획입니다.

미래에 과학자들은 뇌에서 영감을 받은 네트워크 아키텍처를 구축하여 성능과 해석 가능성을 향상하고 행동 계산에서 특정 회로 구조와 신경 메커니즘의 역할을 탐구할 수 있습니다.

논문 링크: https://www.nature.com/articles/s41586-024-07633-4

관련 보고서: https://decrypt.co/235086/virtual-rat-ai-brain- 하버드-구글-딥마인드-로보틱스

위 내용은 Nature에 로그인하세요. 뇌는 움직임을 어떻게 제어하나요? DeepMind는 'AI 두뇌'로 가상 동물을 디자인합니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!