«Είναι πολύ δύσκολο να πειραματιστείς δείχνοντας κινηματογραφικές ταινίες σε ποντίκια, γιατί το Χόλυγουντ δεν φτιάχνει ταινίες για τέτοιο κοινό», λέει ο καθηγητής Οφθαλμολογίας του Στάνφορντ, Ανδρέας Τόλιας. «Όμως και με αυτές εμείς κάναμε δουλειά», προσθέτει.
Όπως εξηγεί ο ίδιος, τα ποντίκια έχουν θολή όραση και ανταποκρίνονται έντονα στην κίνηση, όπως και οι άνθρωποι που βασίζονται στην περιφερειακή όραση, πράγμα που σημαίνει ότι δεν βλέπουν λεπτομέρειες ή χρώματα. «Η κίνηση ενεργοποιεί το οπτικό σύστημα των ποντικιών, για αυτό και τους δείξαμε αποσπάσματα από φιλμ με έντονη δράση», προσθέτει ο Δρ Τόλιας.
Γιατί όμως ο καθηγητής και η ερευνητική του ομάδα έβαλαν τα ποντίκια να δουν ταινίες δράσης;
Η απάντηση είναι απλή: για να εκπαιδεύσουν με το σύνολο δεδομένων οπτικών ερεθισμάτων και νευρικών αποκρίσεων που παρήγαγε ο εγκέφαλός τους, καθώς εκείνα παρακολουθούσαν, ένα βασικό μοντέλο τεχνητής νοημοσύνης. Στη συνέχεια προσάρμοσαν το μοντέλο σε κάθε ποντίκι ξεχωριστά, με ελάχιστα επιπλέον δεδομένα, και δημιούργησαν εξατομικευμένα «ψηφιακά δίδυμα» του τμήματος του εγκεφάλου κάθε ποντικιού που επεξεργάζεται οπτικές πληροφορίες. Ουσιαστικά, έφτιαξαν ένα «ψηφιακό δίδυμο» του οπτικού φλοιού του ποντικιού, που αναπαράγει τον τρόπο με τον οποίο οι πραγματικοί νευρώνες ανταποκρίνονται σε οπτικά ερεθίσματα.
Για να κατανοήσει κάποιος τι ακριβώς σημαίνει αυτό στην πράξη, αρκεί απλά να σκεφτεί έναν πιλότο που βιώνει μια ολοκληρωμένη εμπειρία πτήσης μέσα στο ελεγχόμενο περιβάλλον ενός προσομοιωτή πτήσης. Με τον ίδιο ακριβώς τρόπο και οι επιστήμονες θα μπορούν σύντομα να εκτελούν πολλαπλά πειράματα νευροεπιστήμης με μια ρεαλιστική προσομοίωση του εγκεφάλου του ποντικιού, δηλαδή με ένα «ψηφιακό δίδυμο».
Άλμα στη δημιουργία λειτουργικών μοντέλων του εγκεφάλου
Η συγκεκριμένη εργασία που δημοσιεύθηκε πρόσφατα στο Nature περιγράφει, όπως λέει ο καθηγητής, που είναι και ο ανώτερος συγγραφέας της, «ένα σημαντικό άλμα στη δημιουργία λειτουργικών μοντέλων του εγκεφάλου». Το εργαστήριο του Δρα Τόλια δραστηριοποιείται στη διεπαφή νευροεπιστήμης και τεχνητής νοημοσύνης, εστιάζοντας στο NeuroAI, όπου συνδυάζει μεγάλης κλίμακας νευροεπιστημονικά πειράματα με τεχνητή νοημοσύνη, για να αποκαλύψει τις αρχές της βιολογικής νοημοσύνης και, τελικά, να τις αξιοποιήσει στη δημιουργία συστημάτων AI που θα είναι εξυπνότερα, πιο ανθεκτικά, πιο αξιόπιστα και πιο αποτελεσματικά. Ο καθηγητής χρησιμοποιεί μοντέλα βαθιάς μάθησης για να ανιχνεύσει τους μεγάλους πληθυσμούς νευρώνων που βρίσκονται πίσω από τις αντιλήψεις και τις αποφάσεις μας.
Όπως εξηγεί ο ίδιος, αυτό το «ψηφιακό δίδυμο», σε αντίθεση με προηγούμενες προσπάθειες, δεν καταρρέει όταν παρουσιάζεται κάτι νέο. Πιο συγκεκριμένα, αντίθετα με τα προηγούμενα μοντέλα τεχνητής νοημοσύνης για τον οπτικό φλοιό, τα οποία μπορούσαν να προσομοιώσουν την απόκριση του εγκεφάλου μόνο σε παρόμοια ερεθίσματα με εκείνα που περιλαμβάνονταν στα δεδομένα εκπαίδευσης, το νέο μοντέλο μπορεί να προβλέψει την εγκεφαλική απόκριση σε ένα ευρύ φάσμα νέων οπτικών εισροών. Μπορεί ακόμη και να υποθέσει τα ανατομικά χαρακτηριστικά κάθε νευρώνα.
«Είναι ένας τύπος θεμελιώδους μοντέλου, μιας κατηγορίας ισχυρού AI που εκπαιδεύεται σε μεγάλα σύνολα δεδομένων, ικανά να προσαρμόζονται σε νέες εργασίες και σε άγνωστες εισόδους. Σκεφτείτε το ChatGPT, αλλά για τη νευροεπιστήμη», λέει ο καθηγητής.
Ο Έλληνας επιστήμονας μαζί με την ερευνητική του ομάδα κατέγραψαν περισσότερα από 900 λεπτά εγκεφαλικής δραστηριότητας 14 ποντικιών που παρακολουθούσαν αποσπάσματα από σκόπιμα επιλεγμένα φιλμ, όπως το Mad Max, τα οποία προσομοίωναν τα πλούσια σε κίνηση περιβάλλοντα που θα μπορούσαν να βιώσουν φυσικά τα ποντίκια. Αυτά τα δεδομένα τροφοδότησαν ένα τεχνητό νευρωνικό δίκτυο και το αποτέλεσμα ήταν ένα μοντέλο- εκπαιδευμένο σε μόλις 8 ποντίκια, το οποίο αποδείχθηκε εκπληκτικά ισχυρό, προβλέποντας με ακρίβεια τις εγκεφαλικές αντιδράσεις σε νέα ποντίκια και σε νέους τύπους ερεθισμάτων που δεν είχε ξαναδεί. Τα «ψηφιακά δίδυμα» που προέκυψαν δεν αναπαρήγαν απλώς γνωστά μοτίβα δραστηριότητας, αλλά με έναν τρόπο σκέφτονταν προνοητικά.
«Ακόμη πιο εντυπωσιακό είναι ότι το μοντέλο πρόβλεψε τις ανατομικές θέσεις και τους τύπους κυττάρων χιλιάδων νευρώνων, καθώς και τον τρόπο σύνδεσης αυτών των νευρώνων μεταξύ τους. Όταν συγκρίναμε αυτές τις προβλέψεις που δημιουργήθηκαν από το AI με εικόνες ηλεκτρονικού μικροσκοπίου από τα ίδια ποντίκια, τα αποτελέσματα ευθυγραμμίστηκαν με ακρίβεια. Αυτό ανοίγει τεράστιες νέες ερευνητικές δυνατότητες, καθώς ένα “ψηφιακό δίδυμο” δεν περιορίζεται από τη βιολογία, δεν γερνάει, δεν κουράζεται και μπορεί να δοκιμάζεται ατελείωτα», αναφέρει ο Έλληνας επιστήμονας.
Σε μια συνοδευτική μελέτη που δημοσιεύτηκε επίσης στο Nature , η ίδια ομάδα χρησιμοποίησε το μοντέλο για να αποκαλύψει πώς οι νευρώνες επιλέγουν τους συναπτικούς συνεργάτες τους. Ενώ ήταν γνωστό ότι παρόμοιοι νευρώνες τείνουν να συνδέονται, το «ψηφιακό δίδυμο» αποκάλυψε τις ομοιότητες που έχουν μεγαλύτερη σημασία για αυτή τη σύνδεση. «Αποδείξαμε ότι οι νευρώνες είναι πιο πιθανό να συνδεθούν με εκείνους που ανταποκρίνονται στον ίδιο τύπο ερεθίσματος, όπως π.χ. το μπλε χρώμα, παρά με εκείνους που τυχαίνει να καταλαμβάνουν το ίδιο κομμάτι οπτικού χώρου», εξηγεί ο Δρ Τόλιας.
«Είναι σαν κάποιος να επιλέγει φίλους με βάση το τι τους αρέσει και όχι το πού βρίσκονται και αυτός ο κανόνας για την οργάνωση του εγκεφάλου που ανακαλύψαμε είναι πολύ σημαντικός».
Χαρτογραφώντας τον εγκέφαλο του ποντικού
Φανταστείτε τώρα ότι βρίσκεστε σε ένα πάρτι με 80.000 άτομα και θέλετε να μάθετε τι συζητιέται σε κάθε «πηγαδάκι», αλλά δεν μπορείτε να ξέρετε ποιος μιλάει σε ποιον κάθε λεπτό. Και τώρα φανταστείτε ότι βρήκατε έναν τρόπο να ξέρετε ποιος μιλάει σε ποιον, αλλά δεν μπορείτε να «στήσετε αυτί» για να ακούσετε τι λένε. Εάν καταφέρνατε και τα δύο, θα μπορούσατε να αφηγηθείτε σε τρίτους τι συμβαίνει σε αυτό το πάρτι με τον καλύτερο τρόπο.
Φανταστείτε τώρα πως τα άτομα στο πάρτι είναι νευρώνες που συνδέονται με ορισμένους τύπους άλλων νευρώνων, ενώ συνομιλούν και με άλλους νευρώνες. Το να βρει κάποιος τους κανόνες καλωδίωσης μεταξύ αυτών των νευρώνων και να «ακούσει» τι λένε, είναι μια νίκη.
Αυτήν τη νίκη αντιπροσωπεύει ο χάρτης καλωδίωσης που δημοσιεύτηκε πριν λίγες μέρες στο Nature, ταράζοντας τα νερά της νευροεπιστήμης. Με τη χρήση τεχνητής νοημοσύνης, η ομάδα του καθηγητή Τόλια, μαζί με συναδέλφους τους από άλλα ερευνητικά ιδρύματα, κατάφεραν να χαρτογραφήσουν κάθε νευρώνα σε έναν κυβικό χιλιοστό του οπτικού φλοιού του εγκεφάλου ποντικιού (διάσταση μικρότερη από έναν κόκκο άμμου).
Μετά από εννέα χρόνια επίπονης έρευνας και δέκα επιστημονικές δημοσιεύσεις, η διεθνής αυτή ομάδα, 150 περίπου ερευνητών, δημιούργησε τον λεπτομερή χάρτη-ορόσημο, που αποκαλύπτει τις εξαιρετικές δομές και τα λειτουργικά συστήματα της αντίληψης των θηλαστικών. Πρόκειται για τη μεγαλύτερη και την πιο λεπτομερή απόδοση νευρικών κυκλωμάτων σε εγκέφαλο θηλαστικού, μέχρι σήμερα. Και αυτό είναι είδηση!
«Είναι ένα σημαντικό βήμα στη νευροεπιστήμη, παρόμοιο σε φιλοδοξία με μεγάλα ερευνητικά προγράμματα όπως το Ανθρώπινο Γονιδίωμα», αναφέρει στο Dnews ο Ανδρέας Τόλιας.
Οι ερευνητές «ξεμπέρδεψαν» ψηφιακά δεκάδες χιλιάδες νευρώνες που μοιάζουν με δέντρο, αναγνώρισαν το ξεχωριστό σύστημα διακλάδωσης κάθε νευρώνα και στη συνέχεια τους ανακατασκεύασαν έναν προς έναν σε ένα τεράστιο δίκτυο με περισσότερες από μισό δισεκατομμύριο συνδέσεις, σε αυτό που οι επιστήμονες αποκαλούν connectome. Οι επιστήμονες όχι μόνο προσπάθησαν να χαρτογραφήσουν τη δομή των νευρώνων, αλλά διερεύνησαν και την ηλεκτρική σηματοδότηση μεταξύ τους, δείχνοντας το πώς αυτοί επικοινωνούν μεταξύ τους και παρέχοντας έτσι μια καλύτερη εικόνα των κρυφών ‘συνομιλιών’ στον εγκέφαλο.
Πεντέμισι χιλιόμετρα νευρωνικής καλωδίωσης
Ο εν λόγω χάρτης περιέχει περισσότερα από 200.000 κύτταρα και αναγνωρίζει τη δομή 84.000 νευρώνων που συνδέονται με μισό δισεκατομμύριο συνάψεις και με περίπου 5,4 χιλιόμετρα νευρωνικής καλωδίωσης. Η τρισδιάστατη ανακατασκευή του κυβικού χιλιοστού του εγκεφάλου ποντικού αποκαλύπτει το πώς είναι οργανωμένος και το πώς συνεργάζονται διαφορετικοί τύποι κυττάρων και θα μπορούσε να βοηθήσει στην κατανόηση της νοημοσύνης, της συνείδησης και των νευροεκφυλιστικών διαταραχών όπως το Αλτσχάιμερ, το Πάρκινσον, ο αυτισμός και η σχιζοφρένεια.
«Στο μέλλον, οι επιστήμονες θα μπορούν να χρησιμοποιούν τον χάρτη για να συγκρίνουν την καλωδίωση του εγκεφάλου σε ένα υγιές ποντίκι με την καλωδίωση του εγκεφάλου σε ένα μοντέλο ασθένειας», εκτιμά ο καθηγητής, ο οποίος είναι και συνεπικεφαλής του Enigma Project (ενός μη κερδοσκοπικού ερευνητικού οργανισμού με έδρα το Πανεπιστήμιο του Στάνφορντ, που αξιοποιεί τη βαθιά μάθηση για την επιτάχυνση της ανακάλυψης στη νευροεπιστήμη).
Η δημιουργία του μοναδικού αυτού χάρτη αποτελεί τμήμα του έργου MICRONS -Machine Intelligence from Cortical Networks (Μηχανική Νοημοσύνη από Εγκεφαλικά Δίκτυα) που είναι μια ερευνητική κοινοπραξία στην οποία συμμετέχουν επιστήμονες από διάφορα ιδρύματα, με επικεφαλής ερευνητικές ομάδες του Allen Institute for Brain Science, του Πανεπιστημίου Princeton του Baylor College of Medicine και του Στάνφορντ. Το έργο χρηματοδοτείται από την αμερικανική κυβερνητική υπηρεσία IARPA (Intelligence Advanced Research Projects Activity).
«Το MICRONS είναι ένα φιλόδοξο πρόγραμμα για τη χαρτογράφηση της λειτουργίας και της συνδεσιμότητας των κυκλωμάτων του εγκεφαλικού φλοιού ποντικού, χρησιμοποιώντας τεχνολογίες απεικόνισης υψηλής απόδοσης, με στόχο την απόκτηση γνώσεων σχετικά με τις υπολογιστικές αρχές που διέπουν τη λειτουργία του», αναφέρει ο Δρ Τόλιας.
Η αμερικανική κυβέρνηση έχει ξεκινήσει από το 2016 μια προσπάθεια κόστους 100 εκατομμυρίων δολαρίων, για να σαρώσει ένα κυβικό χιλιοστό εγκεφάλου ποντικιού. Όμως οι προσπάθειες χαρτογράφησης ενός ολόκληρου εγκεφάλου ποντικιού χρηματοδοτούνται γενικά από ένα μακροχρόνιο πρόγραμμα των Εθνικών Ινστιτούτων Υγείας που ονομάζεται πρωτοβουλία BRAIN. Ωστόσο, το μέλλον αυτής της προσπάθειας είναι αβέβαιο. Πέρυσι το Κογκρέσο μείωσε τη χρηματοδότηση της πρωτοβουλίας BRAIN κατά 40% και τον περασμένο μήνα ο Πρόεδρος Τραμπ υπέγραψε ένα νομοσχέδιο που περιορίζει ακόμη την υποστήριξη κατά 20%.
*Ο Δρ Ανδρέας Τόλιας απέκτησε το πτυχίο και το μεταπτυχιακό του στις Φυσικές Επιστήμες από το Πανεπιστήμιο του Κέιμπριτζ, το διδακτορικό του στα Συστήματα και Υπολογιστική Νευροεπιστήμη από το MIT και ολοκλήρωσε μεταδιδακτορική εκπαίδευση στη Νευροεπιστήμη και τη Μηχανική Μάθηση στο Ινστιτούτο Βιολογικής Κυβερνητικής Max Planck στο Tübingen της Γερμανίας.
