[ad_1]
Menggunakan pembelajaran mesin, model komputer dapat belajar sendiri untuk mencium bau hanya dalam beberapa menit. Ketika itu terjadi, para peneliti telah menemukan, itu membangun jaringan syaraf yang sangat mirip dengan sirkuit penciuman yang digunakan otak hewan untuk memproses bau.
Hewan dari lalat buah hingga manusia pada dasarnya menggunakan strategi yang sama untuk memproses informasi penciuman di otak. Tetapi ahli saraf yang melatih jaringan saraf tiruan untuk melakukan tugas klasifikasi bau sederhana terkejut melihatnya meniru strategi biologi dengan sangat tepat.
“Algoritme yang kami gunakan tidak memiliki kemiripan dengan proses evolusi yang sebenarnya,” kata Guangyu Robert Yang, seorang peneliti asosiasi di McGovern Institute for Brain Research MIT, yang memimpin pekerjaan sebagai postdoc di Columbia University. Kesamaan antara sistem buatan dan biologis menunjukkan bahwa jaringan penciuman otak secara optimal cocok untuk tugasnya.
Yang dan kolaboratornya, yang melaporkan temuan mereka di jurnal neuron, mengatakan jaringan buatan mereka akan membantu peneliti mempelajari lebih lanjut tentang sirkuit penciuman otak. Pekerjaan ini juga membantu menunjukkan relevansi jaringan saraf tiruan dengan ilmu saraf. “Dengan menunjukkan bahwa kita bisa menandingi arsitekturnya [of the biological system] sangat tepat, saya pikir itu memberi lebih banyak kepercayaan bahwa jaringan saraf ini dapat terus menjadi alat yang berguna untuk memodelkan otak,” kata Yang, yang juga asisten profesor di departemen Ilmu Otak dan Kognitif dan Teknik Elektro dan Ilmu Komputer MIT.
Memetakan sirkuit penciuman alami
Untuk lalat buah, organisme di mana sirkuit penciuman otak telah dipetakan dengan baik, penciuman dimulai di antena. Neuron sensorik di sana, masing-masing dilengkapi dengan reseptor bau khusus untuk mendeteksi aroma tertentu, mengubah pengikatan molekul bau menjadi aktivitas listrik. Ketika bau terdeteksi, neuron ini, yang membentuk lapisan pertama jaringan penciuman, memberi sinyal ke lapisan kedua: satu set neuron yang berada di bagian otak yang disebut lobus antena. Di lobus antena, neuron sensorik yang berbagi reseptor yang sama berkumpul ke neuron lapis kedua yang sama. “Mereka sangat pemilih,” kata Yang. “Mereka tidak menerima input apa pun dari neuron yang mengekspresikan reseptor lain.” Karena memiliki lebih sedikit neuron daripada lapisan pertama, bagian jaringan ini dianggap sebagai lapisan kompresi. Neuron lapisan kedua ini, pada gilirannya, memberi sinyal ke kumpulan neuron yang lebih besar di lapisan ketiga. Yang membingungkan, koneksi-koneksi itu tampaknya acak.
Bagi Yang, seorang ahli saraf komputasi, dan mahasiswa pascasarjana Universitas Columbia Peter Yiliu Wang, pengetahuan tentang sistem penciuman lalat ini merupakan kesempatan unik. Beberapa bagian otak telah dipetakan secara komprehensif, dan itu membuat sulit untuk mengevaluasi seberapa baik model komputasi tertentu mewakili arsitektur sebenarnya dari sirkuit saraf, kata mereka.
Membangun jaringan bau buatan
Jaringan saraf, di mana neuron buatan mengatur ulang diri mereka sendiri untuk melakukan tugas-tugas tertentu, adalah alat komputasi yang terinspirasi oleh otak. Mereka dapat dilatih untuk memilih pola dalam kumpulan data yang kompleks, menjadikannya berharga untuk pengenalan suara dan gambar serta bentuk kecerdasan buatan lainnya. Ada petunjuk bahwa jaringan saraf yang melakukan ini paling baik meniru aktivitas sistem saraf. Tetapi, kata Wang, yang sekarang menjadi postdoc di Universitas Stanford, jaringan dengan struktur berbeda dapat menghasilkan hasil yang serupa, dan ahli saraf masih perlu mengetahui apakah jaringan saraf tiruan mencerminkan struktur sebenarnya dari sirkuit biologis. Dengan data anatomi yang komprehensif tentang sirkuit penciuman lalat buah, dia berkata, “Kami dapat mengajukan pertanyaan ini: Dapatkah jaringan saraf tiruan benar-benar digunakan untuk mempelajari otak?”
Berkolaborasi erat dengan ahli saraf Columbia Richard Axel dan Larry Abbott, Yang dan Wang membangun jaringan neuron buatan yang terdiri dari lapisan input, lapisan kompresi, dan lapisan ekspansi — sama seperti sistem penciuman lalat buah. Mereka memberikan jumlah neuron yang sama dengan sistem lalat buah, tetapi tidak ada struktur yang melekat: koneksi antar neuron akan dipasang kembali saat model belajar mengklasifikasikan bau.
Para ilmuwan meminta jaringan untuk menetapkan data yang mewakili bau yang berbeda ke dalam kategori, dan untuk mengkategorikan dengan benar tidak hanya bau tunggal, tetapi juga campuran bau. Ini adalah sesuatu yang unik dari sistem penciuman otak, kata Yang. Jika Anda menggabungkan aroma dua apel yang berbeda, ia menjelaskan, otak tetap mencium aroma apel. Sebaliknya, jika dua foto kucing dicampur piksel demi piksel, otak tidak lagi melihat seekor kucing. Kemampuan ini hanyalah salah satu fitur dari sirkuit pemrosesan bau otak, tetapi menangkap esensi dari sistem, kata Yang.
Butuh jaringan buatan hanya beberapa menit untuk mengatur dirinya sendiri. Struktur yang muncul sangat mirip dengan yang ditemukan di otak lalat buah. Setiap neuron di lapisan kompresi menerima input dari jenis neuron input tertentu dan terhubung, tampaknya secara acak, ke beberapa neuron di lapisan ekspansi. Terlebih lagi, setiap neuron di lapisan ekspansi menerima koneksi, rata-rata, dari enam neuron lapisan kompresi — persis seperti yang terjadi di otak lalat buah.
“Bisa jadi satu, bisa jadi 50. Bisa saja di antaranya,” kata Yang. “Biologi menemukan enam, dan jaringan kami juga menemukan enam.” Evolusi menemukan organisasi ini melalui mutasi acak dan seleksi alam; jaringan buatan menemukannya melalui algoritma pembelajaran mesin standar.
Konvergensi yang mengejutkan memberikan dukungan kuat bahwa sirkuit otak yang menafsirkan informasi penciuman diatur secara optimal untuk tugas mereka, katanya. Sekarang, para peneliti dapat menggunakan model untuk mengeksplorasi lebih lanjut struktur itu, menjelajahi bagaimana jaringan berkembang di bawah kondisi yang berbeda dan memanipulasi sirkuit dengan cara yang tidak dapat dilakukan secara eksperimental.
Ditulis oleh Jennifer Michalowski
Sumber: Institut Teknologi Massachusetts
[ad_2]
