به گزارش خبر ICT از ایتنا این پروژه در پی همکاری میان دانشمندان علوم اعصاب در دانشگاه هاروارد ایالات متحده و پژوهشگران دیپ‌مایند در بریتانیا حاصل شد که با هم کار کردند تا با استفاده از داده‌های حرکتی ثبت‌شده از موش‌های واقعی، این موجود دیجیتالی را به طور دقیق شبیه‌سازی کنند.

برای آموزش شبکه عصبی مصنوعی، از داده‌های با وضوح بالا استفاده شد. این مدل در یک شبیه‌ساز فیزیکی به عنوان مغز موش عمل می‌کرد تا آثار گرانش و سایر نیروهای دنیای واقعی را تقلید کند.

بنس اولوسکی، استاد بخش زیست‌شناسی ارگانیسمی و تکاملی هاروارد که پژوهشگرانی را که با دیپ‌مایند همکاری می‌کردند سرپرستی کرد. او گفت: «دیپ‌مایند به منظور آموزش عوامل بیوشیمیایی برای حرکت در محیط‌های پیچیده، کانال ارتباطی ساخته بود.»

به گفته پروفسور اولوسکی، این مدل دیجیتالی بیومکانیکی شبیه به واقعی نشان‌دهنده یک پیشرفت بزرگ در درک این است که مغز چگونه حرکت را کنترل می‌کند.

این پیشرفت همچنین می‌تواند به‌عنوان پایه‌ای برای سایر شبیه‌سازی‌های هوش مصنوعی باشد که قادر است راه‌های جدیدی را برای تحقیقات علوم اعصاب باز کند. مانند اینکه چگونه مدارهای عصبی در بیماری‌ها تضعیف می‌شوند . مغزهای واقعی چگونه رفتار پیچیده ایجاد می‌کنند.

متیو بوتوینیک، مدیر ارشد تحقیقات دیپ‌‌مایند گوگل، گفت: «ما از چالش ساخت عوامل هوش‌ مصنوعی بدن‌مند و تجسدیافته چیزهای زیادی آموخته‌ایم. سیستم‌های هوش مصنوعی که نه‌تنها باید هوشمندانه فکر کنند. بلکه باید آن تفکر را در یک محیط پیچیده به عمل فیزیکی تبدیل کنند.»

«به نظر می‌رسید که استفاده از همین رویکرد در زمینه علوم اعصاب ممکن است برای شناخت پیدا کردن از رفتار و عملکرد مغز سودمند باشد.»