Nevrobotika - Neurorobotics

Neurorobotics , en kombinert studie av nevrovitenskap , robotikk og kunstig intelligens , er vitenskapen og teknologien til legemliggjorte autonome nevrale systemer. Nevrale systemer inkluderer hjerneinspirerte algoritmer (f.eks. Koblingsnettverk), beregningsmodeller for biologiske nevrale nettverk (f.eks. Kunstige piggneurale nettverk , storskala simuleringer av nevrale mikrokretsløp) og faktiske biologiske systemer (f.eks. In vivo og in vitro nevrale nett). Slike nevrale systemer kan legemliggjøres i maskiner med mekanikk eller andre former for fysisk aktivering. Dette inkluderer roboter , proteser eller bærbare systemer, men også i mindre skala, mikromaskiner og, i større skalaer, møbler og infrastruktur.

Neurorobotics er den grenen av nevrovitenskap med robotikk, som omhandler studier og anvendelse av vitenskap og teknologi i legemliggjorte autonome nevrale systemer som hjerneinspirerte algoritmer. I sin kjerne er neurorobotics basert på ideen om at hjernen er legemliggjort og kroppen er innebygd i miljøet. Derfor kreves det at de fleste nevroboter fungerer i den virkelige verden, i motsetning til et simulert miljø.

Utover hjerneinspirerte algoritmer for roboter kan neurorobotics også involvere design av hjernestyrte robotsystemer.

Introduksjon

Neurorobotics representerer to-front tilnærming til studiet av intelligens. Nevrovitenskap prøver å skjelne hva intelligens består av og hvordan den fungerer ved å undersøke intelligente biologiske systemer, mens studiet av kunstig intelligens forsøker å gjenskape intelligens på ikke-biologiske eller kunstige måter. Nevroobotika er overlappingen av de to, hvor biologisk inspirerte teorier testes i et jordet miljø, med en fysisk implementering av nevnte modell. Suksessene og feilene til en neurorobot og modellen den er bygget av kan gi bevis for å tilbakevise eller støtte den teorien, og gi innsikt for fremtidig studie.

Store klasser av neurorobotiske modeller

Nevroboter kan deles inn i forskjellige hovedklasser basert på robotens formål. Hver klasse er designet for å implementere en bestemt mekanisme av interesse for studiet. Vanlige typer nevroboter er de som brukes til å studere motorisk kontroll, minne, handlingsvalg og oppfatning.

Bevegelse og motorstyring

Neurorobots brukes ofte til å studere tilbakemeldinger og kontrollsystemer for motorer , og har bevist sin fortjeneste i å utvikle kontrollere for roboter. Locomotion er modellert av en rekke nevrologisk inspirerte teorier om motoriske systems virkning. Bevegelseskontroll har blitt etterlignet ved hjelp av modeller eller sentrale mønstergeneratorer , klumper av nevroner som er i stand til å drive repeterende oppførsel, for å lage firbente gangroboter. Andre grupper har utvidet ideen om å kombinere rudimentære kontrollsystemer til et hierarkisk sett med enkle autonome systemer. Disse systemene kan formulere komplekse bevegelser fra en kombinasjon av disse rudimentære delmengdene. Denne teorien om motorisk handling er basert på organiseringen av kortikale kolonner , som gradvis integreres fra enkel sensorisk inngang til komplekse afferente signaler, eller fra komplekse motorprogrammer til enkle kontroller for hver muskelfiber i efferente signaler, og danner en lignende hierarkisk struktur.

En annen metode for motorstyring bruker lært feilretting og prediktiv kontroll for å danne en slags simulert muskelhukommelse . I denne modellen korrigeres vanskelige, tilfeldige og feilutsatte bevegelser for å bruke feilmeldinger for å produsere jevne og nøyaktige bevegelser over tid. Kontrolleren lærer å lage riktig styresignal ved å forutsi feilen. Ved hjelp av disse ideene er det designet roboter som kan lære å produsere adaptive armbevegelser eller unngå hindringer i løpet.

Lærings- og minnesystemer

Roboter laget for å teste teorier om dyr minne systemer. Mange studier undersøker for tiden hukommelsessystemet til rotter, spesielt rottehippocampus , som har å gjøre med stedceller som skyter etter et bestemt sted som er blitt lært. Systemer modellert etter rottehippocampus er generelt i stand til å lære mentale kart over miljøet, inkludert å gjenkjenne landemerker og knytte atferd til dem, slik at de kan forutsi de kommende hindringene og landemerkene.

En annen studie har produsert en robot basert på det foreslåtte læringsparadigmet for ugler for orientering og lokalisering basert på hovedsakelig auditive, men også visuelle stimuli. Den antatte metoden involverer synaptisk plastisitet og nevromodulering , en hovedsakelig kjemisk effekt der belønning nevrotransmittere som dopamin eller serotonin påvirker avfyringsfølsomheten til et neuron for å bli skarpere. Roboten som ble brukt i studien samsvarte tilstrekkelig med oppførselen til låveugler. Videre viste det seg at det nære samspillet mellom motoruttak og auditiv tilbakemelding var viktig i læringsprosessen, og støttet aktive sensingsteorier som er involvert i mange av læringsmodellene.

Nevroboter i disse studiene presenteres med enkle labyrinter eller mønstre å lære. Noen av problemene som presenteres for neuroroboten inkluderer gjenkjenning av symboler, farger eller andre mønstre og utfører enkle handlinger basert på mønsteret. Når det gjelder simulering av barnugle, måtte roboten bestemme plasseringen og retningen for å navigere i omgivelsene.

Handlingsvalg og verdisystemer

Handlingsvalgstudier tar for seg negativ eller positiv vekting av en handling og dens utfall. Neurorobots kan og har blitt brukt til å studere * enkle * etiske interaksjoner, for eksempel det klassiske tankeeksperimentet der det er flere mennesker enn en redningsflåte kan holde, og noen må forlate båten for å redde resten. Imidlertid, flere neurorobots som brukes i studien av handlingsvalg, kjemper med mye enklere overtalelser som selvbevaring eller videreføring av populasjonen av roboter i studien. Disse nevroboter er modellert etter nevromodulering av synapser for å oppmuntre kretser med positive resultater. I biologiske systemer forsterker nevrotransmittere som dopamin eller acetylkolin positivt nevrale signaler som er gunstige. En studie av slik interaksjon involverte roboten Darwin VII, som brukte visuelle, auditive og en simulert smakinngang for å "spise" ledende metallblokker. De vilkårlig valgte gode blokkene hadde et stripet mønster på seg mens de dårlige blokkene hadde en sirkulær form på seg. Smaksfølelsen ble simulert av ledningsevnen til blokkene. Roboten hadde positive og negative tilbakemeldinger til smaken basert på ledningsnivået. Forskerne observerte roboten for å se hvordan den lærte atferden for handlingsvalg basert på inngangene den hadde. Andre studier har brukt flokker med små roboter som strømmer på batterier som er strødd rundt i rommet, og kommuniserer funnene til andre roboter.

Sensorisk oppfatning

Nevroboter har også blitt brukt til å studere sensorisk oppfatning, spesielt syn. Dette er først og fremst systemer som skyldes innlejring av nevrale modeller av sensoriske veier i automater. Denne tilnærmingen gir eksponering for sensoriske signaler som oppstår under atferd og muliggjør også en mer realistisk vurdering av graden av robusthet i nevralmodellen. Det er velkjent at endringer i sensoriske signaler produsert av motoraktivitet gir nyttige perseptuelle signaler som brukes mye av organismer. For eksempel har forskere brukt dybdeinformasjonen som dukker opp under replikering av menneskelige hode- og øyebevegelser for å etablere robuste representasjoner av den visuelle scenen.

Biologiske roboter

Biologiske roboter er ikke offisielt nevroboter ved at de ikke er nevrologisk inspirerte AI-systemer, men faktisk nevronvev koblet til en robot. Dette benytter bruk av kultiverte nevrale nettverk for å studere hjernens utvikling eller nevrale interaksjoner. Disse består vanligvis av en nevral kultur oppvokst på et multielektrodearray (MEA), som er i stand til både å registrere nevralaktiviteten og stimulere vevet. I noen tilfeller er MEA koblet til en datamaskin som presenterer et simulert miljø til hjernevevet og oversetter hjerneaktivitet til handlinger i simuleringen, samt gir sensorisk tilbakemelding. Evnen til å registrere nevral aktivitet gir forskere et vindu inn i en hjerne, om enn enkel, som de kan bruke til å lære om en rekke av de samme problemene neuroroboter brukes til.

Et område med bekymring for de biologiske robotene er etikk. Mange spørsmål blir reist om hvordan man skal behandle slike eksperimenter. Tilsynelatende er det viktigste spørsmålet om bevissthet og om rottehjernen opplever det eller ikke. Denne diskusjonen koker ned til de mange teoriene om hva bevissthet er.

Se Hybrot , bevissthet .

Implikasjoner for nevrovitenskap

Nevrologer drar nytte av nevrobotika fordi det gir et tomt skifer for å teste forskjellige mulige metoder for hjernefunksjon i et kontrollert og testbart miljø. Videre, mens robotene er mer forenklede versjoner av systemene de etterligner, er de mer spesifikke, noe som tillater mer direkte testing av problemet. De har også fordelen av å være tilgjengelig hele tiden, mens det er mye vanskeligere å overvåke selv store deler av hjernen mens dyret er aktivt, enn si individuelle nevroner.

Med emnet nevrovitenskap vokser som det har, har mange nevrale behandlinger dukket opp, fra legemidler til nevralrehabilitering. Fremgang er avhengig av en intrikat forståelse av hjernen og hvordan den fungerer. Det er veldig vanskelig å studere hjernen, spesielt hos mennesker på grunn av faren forbundet med hjerneoperasjoner. Derfor er det viktig å bruke teknologi for å fylle tomrommet til testbare forsøkspersoner. Neurorobots oppnår nøyaktig dette, og forbedrer rekkevidden av tester og eksperimenter som kan utføres i studiet av nevrale prosesser.

Se også

Referanser

Eksterne linker