Biz bir məqaləni xülasə etdik və orada bal arısının beyninin strukturunu modelləşdirən yeni neyron şəbəkəsinin inkişafından danışılır.

Abstrakt anlayışların öyrənilməsi

Model real arıların abstrakt anlayışları necə qavradığını kifayət qədər dəqiq şəkildə göstərir, informasiya emalının üsulundan asılı olmayaraq.

Abstrakt anlayışları tanıma qabiliyyətinin insanın və digər məməlilərin, eləcə də quşların düşüncəsinin əsasını təşkil etdiyi düşünülür. Bu qabiliyyət beyin prefrontal korteksindəki neyronların fəaliyyətinə bağlıdır. Ancaq bal arısının kiçik beynində buna bənzər bir struktur yoxdur.

Həşəratların abstrakt anlayışları öyrənmə qabiliyyətini araşdırmaq üçün modelləşdirmə yanaşması istifadə edilir. İlk olaraq bal arıları və digər heyvanların bu tapşırığı necə həll etdiyini ətraflı izah edirik.

“Match-To-Sample” (MTS) tapşırıqları heyvanların eyni və fərqli obyektləri şifahi olmayan şəkildə qavrama qabiliyyətini qiymətləndirmək üçün hazırlanıb. Heyvana əvvəl bir nümunə göstərilir, sonra isə iki yeni obyekt təqdim olunur: biri uyğun, digəri uyğun olmayan. “Delayed-Match-To-Sample” (DMTS) zamanı yeni obyektlər müəyyən gecikmələrlə təqdim edilir ki, iş yaddaşı müddəti tədqiq edilsin.

“NotMatch-To-Sample” (NMTS) tapşırıqları isə əksinə, uyğun olmayan obyektlərin seçilməsini tələb edir. Lakin bu tapşırıqlar yetərli deyil; heyvanın öyrəndiyi prinsip yeni kontekstdə tətbiq edə biləcəyi göstərilməlidir. Bu, yeni nümunələr ilə yoxlama testi vasitəsilə edilir.

Tədqiqatlar göstərib ki, bal arıları həm DMTS, həm də DNMTS tapşırıqlarını öyrənə bilir və yeni obyektlərə ümumiləşdirə bilir. Təcrübələrdə Y-şəkilli labirintdən istifadə olunub. Arılar 60 təcrübə keçib, bu, sadə qoxu və vizual assosiativ bacarıqları öyrənməyə nisbətən daha çoxdur. Orta dəqiqlik təxminən 75% olub.

Bal arısının beyin modelinə əsaslanan neyron şəbəkəsi

Beyin strukturu və əsas prinsiplər:

• MB (Mushroom Bodies / Göbələk Bədənləri) – əsas assosiativ sahə

• AL (Antennal Lobe / Antenla Ləpəsi) – qoxu məlumatlarını emal edir

• KC (Kenyon Cells / Kenyon Hüceyrələri) – sensor məlumatları sıxlaşdırılmış kodlaşdırma ilə emal edir

• EN (Extrinsic Neurons / Xarici Neyronlar) – fərqli davranış reaksiyalarını aktivləşdirir

Modeldə iki əsas mexanizm istifadə olunur: iş yaddaşı və bu yaddaşı davranışı idarə etmək üçün istifadə etmə. Göbələk bədənlərinin aktivliyi öyrənilmiş davranış dəyişikliklərini dəstəkləyir.

Y-labirintdə arı modeli müxtəlif vəziyyətlər arasında hərəkət edir və hər vəziyyətdə “get” (go) və ya “getmə” (no-go) seçimləri var. Təcrübələrdə 200 virtual arı iştirak edib.

Təcrübələrin nəticələri

• Model həm DMTS, həm də DNMTS tapşırıqlarını həll edə bilir

• Əvvəlki öyrənilmiş nümunələri yeni nümunələrə tətbiq edə bilir

• Qoxu və vizual öyrənmə təcrübələrində real arılarla yüksək uyğunluq göstərir

Modelin istifadəsi

Sadələşdirilmiş model GNU Octave-də, tam model SpineML və SpineCreator GUI vasitəsilə hazırlanıb. Modeli müxtəlif təcrübələrdə sınaqdan keçirmək və nəticələri analiz etmək üçün Python skriptləri mövcuddur.

Neyron arxitekturaları abstrakt anlayışları idarə edə bildikdə, bu, süni intellektin inkişafında böyük addım sayılır. Gələcəkdə belə modellər insan emosiyalarını və obyektlərin istifadəsini daha yaxşı anlaya biləcək.