WORLD NEWS
Cá điện không bị chính xung điện của mình làm mù — kết hợp học nhanh và học chậm
Cá điện yếu châu Phi phát ra các xung điện để tìm kiếm môi trường xung quanh nhưng giác quan của chúng không bị mù bởi các tín hiệu điện mạnh do chính chúng phát ra. Nghiên cứu lập bản đồ nơ-ron thần kinh mới cho thấy các mạch não ghép nối các tế bào thích ứng nhanh nhưng bị ảnh hưởng bởi tiếng ồn với các tế bào chậm nhưng ổn định, liên tục xóa các tín hiệu điện tự phát có thể dự đoán được.
Điều này không có nghĩa là cá có ý thức tắt điện hay phương pháp học tập của bộ não con người đã được bộc lộ. Đây là kết quả của việc phân tích mạch thùy cảm giác điện đặc biệt bằng bản đồ kính hiển vi điện tử, thí nghiệm sinh lý và mô hình tính toán, đồng thời yêu cầu xác minh riêng để áp dụng cho các động vật và trí tuệ nhân tạo khác.
Tại sao tín hiệu điện do chính cá phát ra lại là vấn đề?
Cá vòi voi xác định vị trí thức ăn và chướng ngại vật bằng cách phát ra các xung điện yếu từ cơ quan đuôi của chúng và đọc những biến dạng do giác quan trên da của chúng quay trở lại. Tuy nhiên, xung lực vừa tự giải phóng có thể lấn át những thay đổi nhỏ bên ngoài. Bộ não tính toán trước và loại bỏ những thông tin đầu vào dự kiến từ hành vi, để lại những tín hiệu không mong đợi.
Bạn đã tìm thấy gì trên bản đồ kết nối?
Các nhà nghiên cứu đã tái tạo lại các tế bào và kết nối khớp thần kinh của thùy điện cảm ở độ phân giải cao bằng kính hiển vi điện tử. Các kết nối có thể học được nằm rải rác trên nhiều lớp của mạch và các tế bào có độ dẻo nhanh được ghép nối theo một cách nhất định với các tế bào có độ dẻo chậm. Con đường ức chế/giải ức chế và các kết nối phản hồi cũng ảnh hưởng đến tốc độ học tập và sự ổn định.
Tại sao nhanh và chậm lại cần nhau?
Nếu bạn sử dụng phương pháp học nhanh, bạn có thể nhanh chóng thích ứng với những thay đổi của môi trường nhưng cũng có thể theo dõi những tiếng động vô tình. Nếu chỉ áp dụng học chậm thì ổn định nhưng thích nghi chậm với điều kiện mới. Một mô hình tính toán kết hợp hai thang thời gian đã đạt được cả hiệu chuẩn nhanh và độ ổn định lâu dài, phù hợp với khả năng phát hiện tín hiệu bên ngoài của cá trong khi đập liên tục.
Nó có thể được sử dụng trực tiếp trong AI không?
Các nhà nghiên cứu tin rằng điều này có thể mang lại nguồn cảm hứng cho vấn đề học tập liên tục của trí tuệ nhân tạo, liên quan đến việc mất đi kiến thức cũ trong khi học thông tin mới. Tuy nhiên, nghiên cứu này không phải là một thử nghiệm thực sự cải thiện hiệu suất của AI. Nghiên cứu kỹ thuật tiếp theo phải trả lời thuật toán nào sẽ chuyển giao các nguyên tắc kết nối của các mạch sinh học và liệu nó có hiệu quả ngay cả khi được mở rộng quy mô hay không.
Những hạn chế vẫn còn tồn tại là gì?
Mặc dù bản đồ nơ-ron và dữ liệu sinh lý cung cấp cơ sở cơ học vững chắc nhưng chúng không thể nắm bắt được tất cả các kích thích và hành vi trong môi trường tự nhiên. Vẫn còn phải xem liệu việc ghép nối nhanh-chậm tương tự có được sử dụng trong các mạch giống như tiểu não ở các loài cá và động vật có vú phát điện khác hay không. Kết luận hiện tại liên quan đến cách một hệ thống cảm giác chuyên biệt học hỏi và loại bỏ nhiễu điện do chính cá tạo ra.