Redes de nervos artificiais explicam como os neurônios periparinos representam espaço ao redor do corpo

Sabe -se que as mentes dos seres humanos e outros primatas executam várias funções sofisticadas, uma das quais representa espaço imediato ao redor do corpo. A região, às vezes também conhecida como “Espaço Peripessoal”, onde a maioria das interações entre pessoas e seus arredores geralmente ocorre.

Pesquisadores da Academia Chinesa de Ciências, Instituto Italiano de Tecnologia (IIT) e outras instituições examinaram recentemente os processos nervosos, através dos quais o cérebro representa a área ao redor do corpo usando modelos computacionais inspirados no cérebro. Suas conclusões, Publicado Em Neurologia da naturezaSugira que áreas receptivas em torno de diferentes partes do corpo contribuam para a fabricação de um modelo modular de espaço, que imediatamente em torno de uma pessoa ou em torno de uma pessoa. inteligência artificial (Ai) agente.

“Nossa jornada na região começou a seriamente, durante os experimentos se apresentaram completamente por curiosidade”, disse Jiandomanico Iyanetti, escritor sênior de papel, ao Medical Express. “Chegamos a saber que o reflexo de adulteração das mãos, que é provocado por mão eletricamente chocante, foi fortemente modificado pela posição da mão em relação ao olho.

“We soon realized that this blink reflex behaved like the so -called periparsonal neurons, which are neurons that respond to the objects near the body. As we were more familiar with literature on this type of neuron, however, we saw that we saw that the current theoretical explanation of their activity fails to explain their properties, such as their qualities, such as their qualities, such as the stimulus Valance and the motor valance, as their qualities fail Modulação,

Em vez de coletar novos dados, que podem ser adicionados posteriormente aos dados abrangentes e insatisfeitos coletados durante estudos anteriores, Iyanetti e seus colegas decidiram desenvolver uma nova estrutura quantitativa que esclareça por que os experimentos anteriores existem em experimentos anteriores e por que eles funcionam. Essa estrutura pode então ser integrada aos princípios de neurociência existentes.

Para desenvolver sua estrutura, ele trabalhou Rede Neural Artificial (Anns) treinado através do reforço de aprendizado. Estes são modelos computacionais de inspiração cerebral que podem aprender a concluir várias tarefas com boa precisão, seguindo a relação entre os neurônios.

“Em termos simples, criamos a simulação de computador de ‘animais’ simplificados, que aprenderam através de testes e erros a aprender a selecionar a ação sobre quanta recompensa ou decoração das ações”, o primeiro escritor do artigo foi explicado por Rory John Bufachi, o primeiro escritor do artigo.

“Nossas perspectivas consistiam em três estágios principais. Primeiro, nosso principal insight foi que as reações peripaturicas só poderiam refletir o valor de funções potenciais: se alcançar ou evitar bens ambientais levaria a recompensas ou punições”.

Iannetti, Bufacchi e seus colegas pretendiam que as reações dos neurônios periparsonais possam estar associados à avaliação do ambiente imediato de alguém, especialmente na medida em que a extensão em que várias tarefas seriam prêmios ou punições. Para testar essa hipótese, ele treinou Ann para interferir ou evitar objetos e depois tentou determinar se é como resultado de reações focadas no corpo, como já foi visto humanoAssim,

“Então propusemos uma construção teórica, um ‘mapa de preços egoístas’, formado a partir de grupos de neurônios periparsonais, o corpo próximo ao corpo forma uma mais essência do mundo, o futuro modelo que permite uma rápida adaptação às novas situações”, disse o Bufforchi. “Essa idéia nos ajudou a unir nossas conclusões com extensos princípios em neuria computacional para preparar as reações focadas no corpo como uma parte futura flexível e futura do ambiente próximo”.

Quando ele criou seu “mapa de preços egoístas”, os pesquisadores o compararam aos comentários coletados durante o estudo neurológico realizado por muitos laboratórios. Os dados que ele comparou ao registro da atividade dos neurônios no cérebro de Makak, bem como a ressonância magnética funcional humana (fMRI), varreduras de eletroncesefelografia (EEG) e padrões comportamentais foram observados durante os experimentos.

“Em suma, descobrimos que, em nossos agentes artificiais, os neurônios desenvolveram áreas receptivas centradas no corpo, naturalmente, que correspondem aos achados empíricos dos neurônios peripsonais biológicos, apoiando nossas crenças teóricas”, disse Iyananti.

“Em particular, as áreas receptivas desses neurônios foram expandidas com estímulos em rápido crescimento, o uso de equipamentos e itens de alto valor. As redes de neurônios artificiais também se separaram na sub-rede, que refletem a modularidade de especialmente para evitar a evitação e a obstrução”.

Os pesquisadores foram capazes de demonstrar que um conjunto de neurônios periparsonais poderia realmente criar um mapa egoísta de um ambiente primário. Ele então comparou a estrutura teórica, que desenvolveu para as interpretações anteriores dos neurônios periparnos e sua função.

“Nosso princípio foi o único a atender com sucesso a extensos dados experimentais, com desempenho melhor do que explicações alternativas e fornecer uma estrutura normal para entender as reações peripônicas”, disse Iyanetti.

O trabalho recente de Iannetti, Bufacchi e seus colegas contribuíram para o entendimento dos neurônios periparsonais no cérebro primário e como eles mapeiam imediatamente o ambiente ao redor do corpo de primatas ou humanos. No entanto, o insight coletado pela equipe pode ajudar em breve a adornar agentes de IA, sistemas robóticos e próteses,

“Esses achados têm possíveis aplicações em áreas como neuroproptéticas e interações humanas -robot”, explicou Iyanetti. “Por exemplo, os robôs podem seguir mapas de preços egoístas para desenvolver uma representação adaptativa e específica de referência da distância de contato humana apropriada, o que torna a cooperação humana-robô mais natural e eficaz”.

Os pesquisadores agora planejam construir suas descobertas e continuar testando a validade da estrutura introduzida por eles. Em seus próximos estudos, eles testarão as previsões geradas por seus modelos computacionais e tentarão abordar algumas de suas deficiências.

“Por exemplo, o modelo está atualmente implicado na perspectiva de aprender um reforço, que carece de parâmetros claros para a incerteza sensorial”, disse Buffuchi. “Vamos resolvê-lo usando conclusões ativas, como enquadramento matemático individual, que incorporam claramente a incerteza sensorial e a modelagem cognitiva do meio ambiente. Também planejamos cooperar em laboratórios para modelar dados neuronais ricos e excelentes-alcaquáticos”.

© 2025 Science X Network