Чему разработчики программного обеспечения и специалисты в области информационных технологий могут поучиться у личинок насекомых? Оказывается, довольно многому. Благодаря пониманию сложных процессов обучения в простых организмах, ученые из ЕС надеются вступить в эру самообучающихся роботов и прогностических вычислений.
Животные, независимо от того, насколько простую или сложную форму они имеют, обладают замечательной способностью к обучению. Даже при ограниченных возможностях мозга, организм может выбрать правильную реакцию в ответ на внешние раздражители, что современная теория компьютерного обучения не может полностью реализовать.
Финансируемый ЕС проект MINIMAL был запущен в 2014 году с целью исследования процессов обучения у таких относительно простых представителей животного мира, как личинки плодовой мушки (дрозофилы). Имея менее 10 000 нейронов, это существо способно быстро и гибко обучаться правильному реагированию на внешнюю ситуацию.
«Понимание конкретных механизмов этого процесса обучения может иметь важные приложения для таких технологий, как развитие небольших самообучающихся робототехнических устройств», — объясняет координатор проекта MINIMAL профессор Барбара Уэбб из Школы информатики в Эдинбургском университете в Великобритании.
«Это может привести к созданию маленьких, дешевых роботов для использования в земледелии, которые в состоянии узнать, какие растения нуждаются в удобрении или орошении. Затем эти компоненты могут быть доставлены только тем растениям, которые в них нуждаются. Наша ключевая идея состоит в том, что небольшие, но активные системы могут подобно животным локально дискриминировать и помнить только эффективные сигналы, необходимые для текущей задачи».
Невзрачная личинка насекомого была выбрана Уэбб и ее командой, потому что они могли внимательно отследить и в деталях контролировать процессы мозга и поведения существа. Они смогли отследить весь процесс, с помощью которого эти животные способны изучать новые запахи, которые приводят их к хорошей пище (например, сахар) и удаляться от плохой пищи (например, хинин).
«Мы обнаружили, что некоторой единичной клетки мозга при ее активации достаточно, чтобы личинка узнала, что конкретный запах хорош»,- говорит Уэбб.
Работа над проектом по процессу обучения личинки может принести пользу и в других областях. «Несмотря на то, что наша главная цель состояла в демонстрации подобных возможностей для реальных роботов, полученные результаты могут быть перенесены и в информационную среду», — говорит Уэбб.
Например, современная вычислительная техника часто полагается на огромные объемы данных, тогда как животные в природе часто обучаются при минимуме данных, чтобы предсказать ассоциации (например, способность личинки обнаружить хорошую пищу). Понимание того, как это работает, может иметь последствия для разработки программного обеспечения и компьютерных интерфейсов, опережающих следующее действие пользователя.
Глядя еще дальше в будущее, можно представить себе личинки, способные выполнять критически важные задачи обработки сигналов.
«Следующим шагом будет консолидация наших выводов в модели механизма нейронного обучения личинки и проверке ее на роботах, — говорит Уэбб. — Мы также разработали мягкий робот-личинку, но пока еще трудно управлять его движением. Бионическое обучение может дать решение, и мы твердо убеждены в том, что такие роботы могут найти широкое применение».
