ИИ, обученный на фильтрации спама, расшифровывает нейронные реакции гидры в реальном времени

Исследователи используют алгоритм машинного обучения (изначально разработанный для фильтрации спама) для анализа поведения гидры.

Он может анализировать поведение в реальном времени и показывать, как нейроны гидры реагируют на меняющиеся среды.

Для этого они применили модель классификации «мешок слов» к видео, содержащему всю активность гидры.

Алгоритм машинного обучения

Алгоритм может анализировать поведение в реальном времени — он помогает исследователям наблюдать, может ли гидра чему-то научиться, и если да, то как реагируют их нейроны.

В 2017 году исследователи нашли 4 типа нейронных цепей, отвечающих за 4 разных поведения сгибания и удлинения. Это помогло им понять, как нервная система гидры контролирует ее поведение.

Теперь они пошли дальше: они составили полный каталог поведений гидры.

Команда применила хорошо известную модель «мешок слов» к видео, содержащему всю активность гидры. Модель является упрощенным представлением, используемым в информационном поиске и обработке естественного языка. Кроме того, исследователи идентифицировали неконтролируемые методы и неаннотированные поведения.

Модель «мешок слов» рассматривает видео и изображения как «мешки» визуальных слов, таких как маленькие фрагменты на картинках или форма и видеопризнаки, извлеченные из таких фрагментов. По сравнению с другими методами, она более устойчива к вызовам вроде ориентации, перекрытия и изменения угла обзора.

Чтобы сделать ее более эффективной, исследователи интегрировали эту модель с другими вычислительными методами, включая плотные траектории (кодируют статистику формы и движения), сегментацию частей тела (описывают пространственную информацию) и векторы Фишера (представляют визуальные слова статистическим способом).

Алгоритм прошел через часы видео и обнаружил повторяющиеся движения, так же как он проверяет, сколько раз слова появляются в теле текста, чтобы выделить темы/предметы и пометить электронное письмо.

10 ранее сообщаемых поведений были успешно идентифицированы алгоритмом. Фактически, он оценил 6 из этих поведений, которые реагировали на меняющиеся окружающие сценарии. Результаты были довольно интересны: поведение гидры почти не менялось. Будь то свет включен или выключен, покормили ли ее или нет, она повторяла одно и то же несколько раз.

Что дальше?

Исследователи планируют экспериментировать со стимулами, чтобы наблюдать любые изменения в поведении гидры. Конечная цель — раскрыть нейронный код, который показывает, как нейронные сети гидры производят поведение. В будущем техника также может быть влита в другие организмы, эволюционировавшие за тысячелетия.

Вещи, изученные в этом исследовании, могут быть полезны для других инженерных отраслей, касающихся поддержания точного контроля и стабильности в машинах, таких как самолеты и корабли, навигирующих в суровых средах.