Учитывая, что более 70% респондентов ежегодного опроса AAA об автономном вождении сообщают, что они боялись бы находиться в полностью автономном автомобиле, такие производители, как Tesla, могут вернуться к чертежной доске, прежде чем развертывать полностью автономные системы автономного вождения. Но новое исследование Северо-Западного университета показывает, что лучше посадить за руль плодовых мух, а не роботов.
Дрозофилы были предметом науки с тех пор, как люди проводили эксперименты в лабораториях. Но учитывая их размер, легко задаться вопросом, что можно узнать, наблюдая за ними. Исследование, опубликованное сегодня в журнале Nature Communications, показывает, что дрозофилы используют процесс принятия решений, обучение и память для выполнения простых функций, таких как уход от жары. И исследователи используют это понимание, чтобы бросить вызов тому, как мы думаем о беспилотных автомобилях.
«Открытие того, что гибкое принятие решений, обучение и память используются мухами во время такой простой навигационной задачи, является одновременно новым и неожиданным», — сказал Марко Галлио, автор исследования. «Это может заставить нас переосмыслить то, что нам нужно делать, чтобы программировать безопасные и гибкие беспилотные автомобили».
По словам Галлио, доцента нейробиологии Колледжа искусств и наук Вайнберга, вопросы, стоящие за этим исследованием, схожи с вопросами тех досадных инженеров, которые создают автомобили, которые движутся сами по себе. Как плодовая мушка (или машина) справляется с новинкой? Как создать автомобиль, который гибко адаптируется к новым условиям?
Это открытие раскрывает функции мозга домашних вредителей, которые обычно связаны с более сложным мозгом, таким как мозг мышей и людей.
«Поведение животных, особенно насекомых, часто считается в значительной степени фиксированным и жестко запрограммированным — как машины», — сказал Галлио. «Большинству людей трудно представить, что животные, столь же отличные от нас, как плодовая мушка, могут обладать сложными функциями мозга, такими как способность учиться, запоминать или принимать решения».
Чтобы изучить, как плодовые мухи избегают тепла, лаборатория Галлио построила крошечную пластиковую камеру с четырьмя плитками на полу, температуру которых можно было контролировать независимо, и удерживать мух внутри. Затем они использовали видеозаписи с высоким разрешением, чтобы отобразить реакцию мухи на границу между теплой и холодной плиткой. Они обнаружили, что мухи замечательно справляются с тепловыми границами как с невидимыми барьерами, чтобы избежать боли или вреда.
Используя реальные измерения, команда создала 3D-модель, чтобы оценить точную температуру каждой части крошечного тела мухи на протяжении всего эксперимента. Во время других испытаний они открыли окно в голове мухи и записали активность мозга в нейронах, которые обрабатывают внешние температурные сигналы.
Мигель Симоэс, научный сотрудник лаборатории Галлио и соавтор исследования, сказал, что мухи способны с удивительной точностью определять, где лучший путь к термобезопасности — влево или вправо. Симоэс сказал, что, нанося на карту направление побега, мухи «почти всегда» убегают влево, когда приближаются справа, «как теннисный мяч, отскакивающий от стены».
«Когда мухи попадают в жар, они должны быстро принять решение», — сказал Симойнс. «Безопасно ли продолжать, или нужно повернуть вспять? Это решение во многом зависит от того, насколько опасна температура на другой стороне».
Наблюдение за простой реакцией напомнило ученым одну из классических концепций ранней робототехники.
«В своей знаменитой книге кибернетик Валентино Брайтенберг представил простые модели, состоящие из датчиков и двигателей, которые могли бы приблизиться к воспроизведению поведения животных», — сказал Джош Леви, аспирант прикладной математики и член лаборатории Галлио и профессор прикладной математики Уильям Кат. «Транспортные средства представляют собой комбинацию простых проводов, но в результате поведение кажется сложным и даже интеллектуальным».
Брайтенберг утверждал, что большую часть поведения животных можно объяснить теми же принципами. Но означает ли это, что поведение мух столь же предсказуемо, как у одного из воображаемых роботов Брайтенберга?
Команда Северо-Запада построила транспортное средство, используя компьютерную симуляцию поведения мух с той же проводкой и алгоритмом, что и транспортное средство Брайтенберга, чтобы увидеть, насколько точно они могут воспроизводить поведение животных. После моделирования гоночных моделей команда провела своего рода естественный процесс отбора, выбрав автомобили, которые показали себя лучше всего, и немного изменили их, прежде чем рекомбинировать их с другими высокопроизводительными автомобилями. Леви провел 500 поколений эволюции в мощном вычислительном кластере NU, создавая машины, которые, как они в конечном итоге надеялись, будут работать так же хорошо, как мухи, спасаясь от виртуальной жары.
Это моделирование показало, что «жестко запрограммированные» транспортные средства в конечном итоге эволюционировали и стали работать почти так же хорошо, как мухи. Но в то время как настоящие мухи продолжали улучшать характеристики с течением времени и учились применять более эффективные стратегии, чтобы стать более эффективными, средства передвижения остаются «тупыми» и негибкими. Исследователи также обнаружили, что даже когда мухи выполняли простую задачу по спасению от жары, их поведение остается в некоторой степени непредсказуемым, оставляя место для принятия индивидуальных решений. Наконец, ученые заметили, что в то время как мухи, у которых отсутствует антенна, адаптируются и придумывают новые стратегии ухода от тепла, транспортные средства, «поврежденные» таким же образом, не могут справиться с новой ситуацией и поворачивают в направлении отсутствующей части, в конечном итоге оказываясь в ловушке. во вращении, как собака, преследующая свой хвост.
