Cách bộ não cho phép chúng ta nhận thức và điều hướng thế giới là một trong những khía cạnh hấp dẫn nhất của nhận thức. Khi tự định hướng, chúng ta liên tục kết hợp thông tin từ cả sáu giác quan theo một cách dường như dễ dàng—một tính năng mà ngay cả các hệ thống AI tiên tiến nhất cũng khó có thể tái tạo được.
Trên cơ sở hạ tầng nghiên cứu EBRAINS mới, các nhà khoa học thần kinh nhận thức, nhà lập mô hình tính toán và nhà chế tạo robot hiện đang làm việc cùng nhau để làm sáng tỏ các cơ chế thần kinh đằng sau điều này, bằng cách tạo ra robot có hoạt động bên trong bắt chước bộ não.
“Chúng tôi tin rằng robot có thể được cải tiến thông qua việc sử dụng kiến thức về bộ não. Nhưng đồng thời, điều này cũng có thể giúp chúng ta hiểu rõ hơn về bộ não,” Cyriel Pennartz, Giáo sư về Khoa học thần kinh Hệ thống và Nhận thức tại Đại học Amsterdam, cho biết.
Trong Dự án Não người, Pennartz đã cộng tác với các nhà lập mô hình tính toán Shirin Dora, Sander Bohte và Jorge F. Mejias để tạo ra các kiến trúc mạng lưới thần kinh phức tạp dành cho nhận thức dựa trên dữ liệu thực tế từ chuột. Mô hình của họ, được đặt tên là “MultiPrednet”, bao gồm các mô-đun cho đầu vào hình ảnh và xúc giác, và mô-đun thứ ba kết hợp chúng.
Pennartz giải thích: “Điều mà chúng tôi có thể tái tạo lần đầu tiên là bộ não đưa ra những dự đoán qua các giác quan khác nhau”. “Vì vậy, bạn có thể đoán được cảm giác của một thứ gì đó khi nhìn vào nó và ngược lại.”
Cách các mạng này 'huấn luyện' giống với cách các nhà khoa học nghĩ rằng bộ não của chúng ta học hỏi: Bằng cách liên tục tạo ra các dự đoán về thế giới, so sánh chúng với các đầu vào giác quan thực tế, sau đó điều chỉnh mạng để tránh các tín hiệu lỗi trong tương lai.
Để kiểm tra xem MultiPrednet hoạt động như thế nào trong cơ thể, các nhà nghiên cứu đã hợp tác với Martin Pearson tại Phòng thí nghiệm Robotics Bristol. Họ cùng nhau tích hợp nó vào Whiskeye, một robot giống loài gặm nhấm có khả năng tự động khám phá môi trường xung quanh, sử dụng camera gắn trên đầu cho mắt và 24 sợi râu nhân tạo để thu thập thông tin xúc giác.
Các nhà nghiên cứu đã quan sát thấy những dấu hiệu đầu tiên cho thấy mô hình dựa trên não có lợi thế hơn các hệ thống học sâu truyền thống: Đặc biệt khi nói đến việc điều hướng và nhận dạng các cảnh quen thuộc, MultiPredNet dường như hoạt động tốt hơn—một khám phá mà nhóm hiện hy vọng sẽ điều tra thêm.
Để đẩy nhanh quá trình nghiên cứu này, robot đã được tái tạo dưới dạng mô phỏng trên Nền tảng Neurorobotics của cơ sở hạ tầng nghiên cứu EBRAINS. Pearson cho biết: “Điều này cho phép chúng tôi thực hiện các thí nghiệm trong thời gian dài hoặc thậm chí song song trong các điều kiện được kiểm soát”. “Chúng tôi cũng có kế hoạch sử dụng Nền tảng điện toán thần kinh và hiệu suất cao cho các mô hình kiểm soát và nhận thức chi tiết hơn nhiều trong tương lai.”
Tất cả các công cụ mã và phân tích của công việc đều mở trên EBRAINS để các nhà nghiên cứu có thể chạy thử nghiệm của riêng họ. “Đó là một tình huống độc đáo,” Pennartz nói: “Chúng tôi có thể nói rằng đây là một mô hình nhận thức thú vị dựa trên sinh học thần kinh và sẽ thật tuyệt nếu thử nghiệm nó trên quy mô lớn hơn với các siêu máy tính và được thể hiện trong một robot. Việc này thường rất phức tạp, nhưng EBRAINS đã làm được điều đó.”
Katrin Amunts, Giám đốc Nghiên cứu Khoa học của HBP cho biết “để hiểu được nhận thức, chúng ta cần khám phá cách bộ não hoạt động như một phần của cơ thể trong một môi trường. Khoa học thần kinh nhận thức và robot có thể đạt được nhiều lợi ích lẫn nhau về mặt này. Dự án Não Con người đã gắn kết các cộng đồng này lại với nhau và giờ đây với cơ sở hạ tầng hiện có của chúng tôi, việc cộng tác trở nên dễ dàng hơn bao giờ hết.”
Pawel Swieboda, Giám đốc điều hành của EBRAINS và Tổng giám đốc HBP, nhận xét: “Các robot trong tương lai sẽ được hưởng lợi từ những đổi mới kết nối những hiểu biết sâu sắc từ khoa học não bộ với AI và robotics. Với EBRAINS, Châu Âu có thể là trung tâm của sự thay đổi này sang AI và các thiết bị lấy cảm hứng từ sinh học hơn. công nghệ".