A pesar de la simplicidad de su sistema visual, las moscas de la fruta pueden distinguir confiablemente entre individuos basándose solo en la vista. Esta es una tarea que incluso los humanos que pasan toda su vida estudiando Drosophila melanogaster lucha con. Los investigadores ahora han construido una red neuronal que imita el sistema visual de la mosca de la fruta y puede distinguir y re-identificar las moscas. Esto puede permitir que los miles de laboratorios de todo el mundo que usan las moscas de la fruta como organismo modelo realicen un trabajo más longitudinal,mirando cómo cambian las moscas individuales con el tiempo. También proporciona evidencia de que la humilde visión de la mosca de la fruta es más clara de lo que se pensaba anteriormente.
En un proyecto interdisciplinario financiado por una beca Catalyst del Instituto Canadiense de Investigación Avanzada CIFAR, los investigadores de la Universidad de Guelph y la Universidad de Toronto, Mississauga combinaron la experiencia en biología de la mosca de la fruta con el aprendizaje automático para construir un algoritmo biológico quepasa a través de videos de baja resolución de moscas de la fruta para probar si es físicamente posible que un sistema con tales limitaciones cumpla una tarea tan difícil.
Las moscas de la fruta tienen pequeños ojos compuestos que captan una cantidad limitada de información visual, un estimado de 29 unidades al cuadrado. La visión tradicional ha sido que una vez que la imagen es procesada por una mosca de la fruta, solo es capaz de distinguir características muy amplias.Pero un descubrimiento reciente de que las moscas de la fruta pueden aumentar su resolución efectiva con sutiles trucos biológicos ha llevado a los investigadores a creer que la visión podría contribuir significativamente a la vida social de las moscas. Esto, combinado con el descubrimiento de que la estructura de su sistema visual se parece mucho auna Red Convolucional Profunda DCN, llevó al equipo a preguntar: "¿podemos modelar un cerebro de mosca que pueda identificar individuos?"
Su programa de computadora tiene la misma capacidad teórica de entrada y procesamiento que una mosca de la fruta y fue entrenado en video de una mosca durante dos días. Luego pudo identificar de manera confiable la misma mosca en el tercer día con un puntaje F1 una medidaque combina precisión y recuperación de 0,75. Impresionantemente, esto es solo un poco peor que las puntuaciones de 0,85 y 0,83 para algoritmos sin las restricciones de la biología del cerebro de la mosca. En comparación, cuando se le da la tarea más fácil de hacer coincidir la 'foto policial' de una moscaEn un campo de otros 20, los biólogos humanos expertos en moscas solo lograron un puntaje de 0.08. La probabilidad aleatoria sería de 0.05.
Según Jon Schneider, el primer autor del artículo publicado en PLOS UNO esta semana, este estudio apunta a "la posibilidad tentadora de que, en lugar de solo poder reconocer categorías amplias, las moscas de la fruta pueden distinguir a los individuos. Entonces, cuando uno aterriza al lado del otro, es" Hola Bob, Hola Alice ".
Graham Taylor, un especialista en aprendizaje automático y CIFAR Azrieli Global Scholar en el programa Aprendizaje en máquinas y cerebros, estaba entusiasmado ante la posibilidad de vencer a los humanos en una tarea visual ". Muchas aplicaciones de la red neuronal profunda intentan replicar y automatizar humanoshabilidades como el reconocimiento facial, el procesamiento del lenguaje natural o la identificación de canciones. Pero rara vez van más allá de la capacidad humana. Por lo tanto, es emocionante encontrar un problema en el que los algoritmos puedan superar a los humanos ".
Los experimentos tuvieron lugar en el laboratorio de la Universidad de Toronto Mississauga de Joel Levine, miembro principal del programa CIFAR Child & Brain Development. Tiene grandes esperanzas para el futuro de investigaciones como esta ". El enfoque de emparejar modelos de aprendizaje profundo conel sistema nervioso es increíblemente rico. Puede contarnos sobre los modelos, sobre cómo las neuronas se comunican entre sí, y sobre el animal completo. Eso es algo alucinante. Y es un territorio inexplorado ".
Schneider resumió cómo era trabajar entre disciplinas: "Proyectos como este son un escenario perfecto para que los neurobiólogos y los investigadores del aprendizaje automático trabajen juntos para descubrir los fundamentos de cómo cualquier sistema, biológico o de otro tipo, aprende y procesa información."
Fuente de la historia :
Materiales proporcionados por Instituto Canadiense de Investigación Avanzada . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :