Trí tuệ nhân tạo giúp chuột ảo tìm đường tắt trong mê cung

Bắt chước hoạt động của các neuron thần kinh đặc biệt một cách tự nhiên, thuật toán học sâu (Deep-learning) có thể giúp chúng ta nhận biết được vị trí của mình trong không gian.


Mô phỏng những con chuột có tế bào não gắn lưới tế bào giúp điều hướng, và lưới tế bào này được điều chỉnh bởi chương trình trí tuệ nhân tạo.  

Các nhà khoa học đã dùng trí tuệ nhân tạo (AI) để tái tạo các mã thần kinh phức tạp mà bộ não vẫn sử dụng để định vị địa điểm trong không gian. Điều này chứng tỏ các thuật toán AI có thể hỗ trợ nghiên cứu khoa học thần kinh trong kiểm chứng lý thuyết về những công việc của não bộ.

Các nhà khoa học thần kinh tại trường đại học London (UCL) và các nhà nghiên cứu về AI của công ty DeepMind của Googe đặt tại London đã miêu tả chi tiết về chương trình máy tính này trong công bố mới xuất bản “Định vị vector bằng những phép biểu diễn như tế bào lưới trong chương trình nhân tạo” (Vector-based navigation using grid-like representations in artificial agents) trên Nature vào ngày 9/5/2018. Với việc sử dụng một kỹ thuật học sâu – một kiểu trí tuệ nhân tạo được truyền cảm hứng bằng các cấu trúc trong bộ não, các nhà khoa học đã huấn luyện chuột mô phỏng bằng máy tính để theo dõi vị trí của nó trong một môi trường ảo.

Chương trình này đã gây ngạc nhiên bởi nó có thể tạo ra các mẫu theo hình lục giác của hoạt động na ná với tế bào lưới – những mẫu được sinh ra từ các tế bào định vị trong não loài động vật có vú. Họ nhận thấy, chuột mô phỏng đã có khả năng dùng mã được thiết kế như tế bào lưới để định hướng trong một mê cung ảo tốt đến mức thậm chí còn học được cả cách tìm đường tắt.  

Song song với chương trình ảo này, các nhà nghiên cứu đã thực hiện thí nghiệm trên các con chuột thật nhằm kiểm tra xem một con vật có thể theo dõi vị trí của chính mình trong không gian như thế nào.

“Công trình này đã xuất hiện một cách bất ngờ và rất thú vị”, nhà khoa học thần kinh Edvard Moser tại Viện nghiên cứu Các hệ thống khoa học thần kinh Kavli ở Trondheim, Norway, cho biết. Moser là một trong ba nhà khoa học được trao giải Nobel Sinh lý học/Y học năm 2014 cho những phát hiện về các tế bào lưới và neuron liên kết với sự định hướng của bộ não, bao gồm các tế bào vị trí và tế bào thần kinh có chức năng định hướng, vốn được tìm thấy ở trong và xung quanh khu vực hồi hải mã.

“Thật đáng ngạc nhiên là mô hình máy tính này đã đem lại một hình mẫu về tế bào lưới mà chúng ta vẫn biết trong sinh học”, Moser nhận xét. Công trình này cũng xác nhận, não của loài động vật có vú đã phát triển theo cách tối ưu về sự sắp xếp kiểu mã định vị không gian này, ông cho biết thêm.

“Sẽ thật thú vị khi phân tích những phần bên trong của hệ thống học sâu này và thấy các tác giả đã khám phá ra một nguyên tắc máy tính mang tính phổ quát có thể hỗ trợ sự định hướng trong không gian”, Andreas Herz – nhà khoa học học thần kinh máy tính tại trường đại học Ludwig Maximilian, Munich, Đức, nhận xét.

Những con chuột học sâu

Các tác giả nghiên cứu sử dụng các mạng lưới học sâu – trên cơ sở các đơn vị máy tính để truyền đạt thông tin với từng người một – để kiểm tra các giả thuyết trong khoa học thần kinh: trên cơ sở các tế bào lưới, bộ não định ra vị trí của mình trong môi trường bằng thông tin tích hợp hai yếu tố tốc độ và phương hướng của cử động cơ thể.

Đầu tiên, các tác giả lập ra một bộ dữ liệu để “huấn luyện” thuật toán của mình. Họ mô phỏng các con đường nhỏ do những con chuột mô phỏng tạo ra khi chúng “xục xạo” các cạnh mê cung cũng như hành động của tế bào vị trí và tế bào thần kinh liên kết với sự định hướng của bộ não như mô phỏng loài gặm nhấm chuyển động xung quanh – nhưng không có tế bào lưới. Sau đó họ dùng các dữ liệu này để huấn luyện mạng lưới học sâu để ghi nhận vị trí của các con chuột mô phỏng. Họ đã tìm thấy các mẫu hình lục giác của hoạt động như tế bào lưới xuất hiện một cách tự nhiên trong các đơn vị tính toán của máy tính, tương tự cách các tế bào lưới vẫn hoạt động trong não bộ của các con chuột thật.

“Dù hy vọng nhìn thấy các tế bào lưới nhưng chúng tôi vẫn ngạc nhiên khi chứng kiến chúng xuất hiện trong khung cảnh này. Chúng thật đẹp trong sự cân đối của mình”, Caswell Barry – nhà khoa học thần kinh của UCL và là đồng tác giả công bố, nói.

Các nhà khoa học đã tò mò tìm cách chỉnh hệ thống để cho thêm một số tiếng động nhân tạo – làm cho các đơn vị tính toán có thể đánh dấu tương tự như trong bộ não- để ghi nhận các hoạt động như tế bào lưới khi nó xuất hiện.

Sau đó họ đưa hệ thống này vào để kiểm tra liệu các con chuôt ảo có thể sử dụng chúng để định vị hay không. Họ đặt các con vật gặm nhấm ảo này vào một mê cung rộng, nơi chúng đã học được cách tự tạo ra đường để đến một mục tiêu cụ thể. Họ cũng cài thêm một chương trình khác vào hệ thống này để có bộ nhớ và các chức năng tự thưởng cần thiết cho việc học. Các con chuột ảo ngay lập tức đã học được cách tìm kiếm mục tiêu thông qua việc “thử và sai”, và trở nên thành thạo đến mức vượt trội hơn cả “chuyên gia” – một người cũng được thử nghiệm trong hoàn cảnh tương tự, và bắt đầu tạo ra các đường tắt.              

Các nhà nghiên cứu tìm thấy là nếu họ ngăn không cho các mẫu hình mạng lưới này từ lúc hình thành thì các con chuột ảo không thể định hướng trong mê cung một cách hiệu quả. “Việc ‘đóng’ tế bào lưới là việc không thể thực hiện được trên các con chuột sống”, Barry nói.

Việc hợp tác với các nhà khoa học thần kinh đã truyền cảm hứng cho nghiên cứu về AI, Andrea Banino – nhà nghiên cứu của DeepMind và đồng tác giả nói, “Nhưng đây mới chỉ là nghiên cứu cơ bản để tạo ra các thuật toán trí tuệ nhân tạo chứ chưa phải là ứng dụng”.

Các nhà nghiên cứu đồng ý là AI sẽ được sử dụng như một công cụ cho kiểm tra các giả thuyết về bộ não nhưng nó không trả lời các câu hỏi về cách thức và lý do bộ não sử dụng một loại mã cụ thể. “Tôi thực sự phấn khích khi đọc công trình này – dường như là AI có thể có khả năng thúc đẩy nghiên cứu của chúng ta về cách thức bộ não định hướng”, Moser nói, tuy nhiên ông khẳng định thêm, nó vẫn không thể thay thế được các nhà khoa học thần kinh trong nghiên cứu.   

Anh Vũ dịch

https://www.nature.com/articles/d41586-018-05133-w

Tác giả