Несмотря на простоту своей зрительной системы, плодовые мушки способны надежно различать особей, основываясь только на зрении. Это задача, с которой сталкиваются даже люди, всю жизнь изучающие Drosophila melanogaster. В настоящее время исследователи создали нейронную сеть, которая имитирует зрительную систему плодовой мушки и может различать и повторно идентифицировать мух. Это может позволить тысячам лабораторий по всему миру, которые используют плодовых мушек в качестве модельного организма, проводить более длительную работу, изучая, как отдельные мушки меняются с течением времени. Это также свидетельствует о том, что зрение скромной плодовой мушки четче, чем считалось ранее.
В рамках междисциплинарного проекта, финансируемого Канадским институтом перспективных исследований (CIFAR) Catalyst, исследователи из Университета Гвельфа и Университета Торонто, штат Миссиссога, объединили опыт в области биологии плодовых мух с машинным обучением для создания биологически- основанный на алгоритме, который просматривает видеоролики с низким разрешением плодовых мушек, чтобы проверить, физически возможно ли, чтобы система с такими ограничениями выполнила такую сложную задачу.
У плодовых мушек маленькие сложные глаза, которые воспринимают ограниченное количество визуальной информации, примерно 29 единиц в квадрате. Традиционно считалось, что после обработки изображения плодовой мухой она способна различать только очень широкие черты. Но недавнее открытие, что плодовые мушки могут повысить свое эффективное разрешение с помощью тонких биологических трюков, привело исследователей к мысли, что зрение может внести значительный вклад в социальную жизнь мух. Это, в сочетании с открытием, что структура их зрительной системы очень похожа на глубокую сверточную сеть (DCN), заставило команду задаться вопросом: «Можем ли мы смоделировать мозг мухи, который может идентифицировать людей?»
Их компьютерная программа имеет те же теоретические возможности ввода и обработки, что и плодовая мушка, и обучалась на видео мухи в течение двух дней. Затем он смог надежно идентифицировать ту же муху на третий день с оценкой F1 (показатель, сочетающий точность и полноту) 0,75. Впечатляет, что это лишь немного хуже, чем оценки 0,85 и 0,83 для алгоритмов без ограничений биологии мозга мух. Для сравнения, когда опытным биологам-человеческим мухам дали более легкую задачу сопоставить «фотоснимок» мухи с полем из 20 других, он набрал только 0,08 балла. Случайный шанс набрал бы 0,05.
Согласно Джону Шнайдеру, первому автору статьи, опубликованной в PLOS ONE на этой неделе, это исследование указывает на «заманчивую возможность того, что плодовые мушки способны не только распознавать общие категории, но и различать отдельные особи».. Поэтому, когда один приземляется рядом с другим, это «Привет, Боб, привет, Алиса»."
Грэм Тейлор, специалист по машинному обучению и глобальный стипендиат CIFAR Azrieli в рамках программы «Обучение машин и мозга», был взволнован перспективой победить людей в визуальных задачах. «Многие приложения Deep Neural Network пытаются воспроизвести и автоматизировать человеческие способности, такие как распознавание лиц, обработка естественного языка или идентификация песен. Но они редко выходят за рамки человеческих возможностей. Поэтому интересно найти проблему, в которой алгоритмы могут превзойти людей».
Эксперименты проводились в лаборатории Университета Торонто в Миссиссоге под руководством Джоэла Левина, старшего научного сотрудника программы CIFAR Child & Brain Development. Он возлагает большие надежды на будущее подобных исследований. «Подход к объединению моделей глубокого обучения с нервной системой невероятно богат. Он может рассказать нам о моделях, о том, как нейроны взаимодействуют друг с другом, и он может рассказать нам о животном в целом. Это сногсшибательно. И это неизведанная территория."
Шнайдер резюмировал, каково это было работать между дисциплинами: «Проекты, подобные этому, являются идеальной ареной для совместной работы нейробиологов и исследователей машинного обучения, чтобы раскрыть основы того, как любая система - биологическая или иная - изучает и обрабатывает информацию.."