Neurocientista usa IA para mapear aprendizagem e tomada de decisões para descobrir como o cérebro funciona

Por tentativa e erro, repetição e elogios, quando um filhote ouve “Senta”, ele aprende o que se espera que faça. Isso é aprendizagem por reforço, e é um assunto complexo que fascina o neurocientista Ryoma Hattori, Ph.D., que recentemente ingressou no Instituto Herbert Wertheim UF Scripps de Inovação e Tecnologia Biomédica.

Hattori se concentra na compreensão e no mapeamento da aprendizagem por reforço e em como o cérebro integra informações para tomar decisões. Ele também estuda como o cérebro compreende os números. O que parece simples à primeira vista é na verdade incrivelmente complexo. O cérebro humano possui aproximadamente 86 bilhões de neurônios, que fazem mais de 100 trilhões de conexões.

Hattori diz que muitos fatores influenciam o processo de tomada de decisão. Algo tão simples como decidir onde comer pode envolver uma matriz de memórias e julgamentos e, portanto, muitas áreas do cérebro. Um restaurante tem boa comida e serviço, outro, mais ou menos. Um tem preços mais altos, outro é mais barato. A experiência fornece os insumos aos quais devem ser atribuídos valores e considerados para que a decisão seja tomada.

“É muito difícil integrar todos estes processos e, no entanto, de alguma forma, os nossos cérebros fazem isso”, diz Hattori.

Compreender os mecanismos subjacentes a este processo pode ser importante na abordagem dos transtornos psiquiátricos e do espectro do autismo, observa ele.

“Muitas doenças psiquiátricas e distúrbios neurológicos apresentam algum prejuízo na tomada de decisões”, diz ele.

Modelar como múltiplas áreas do cérebro interagem para processar experiências de reforço e orientar a tomada de decisões é um desafio interessante, diz ele. Hattori usa muitas técnicas de pesquisa para coletar dados, incluindo imagens de 2 fótons em grande escala, experimentos baseados em realidade virtual e optogenética, um método para usar a luz para manipular a atividade neural. A modelagem computacional é cada vez mais uma ferramenta valiosa para compreender comportamentos animais complexos e dinâmicas cerebrais, diz Hattori.

Hattori e colegas estão desenvolvendo inteligência artificial para auxiliar em suas pesquisas. É uma relação de mão dupla: a IA ajuda a promover as descobertas da neurociência, e as descobertas da neurociência também podem ajudar a melhorar a IA.

“Tanto o cérebro quanto a IA são feitos de redes neurais que realizam cálculos e aprendem usando a dinâmica da atividade neural e a plasticidade sináptica”, diz Hattori. “Eles recebem informações externas, processam as informações e geram uma ação. Então, o resultado da ação orienta o aprendizado da rede. A semelhança nos dá a oportunidade de usar a IA como modelo de rede neural para determinados comportamentos.”

Hattori mudou-se recentemente para o campus Wertheim UF Scripps em Júpiter, Flórida, após uma bolsa de pós-doutorado na Universidade da Califórnia, em San Diego. Ele obteve seu doutorado em biologia molecular e celular na Universidade de Harvard em 2016.

Professor assistente no departamento de neurociência do instituto, ele também recebeu muitos prêmios, incluindo o prêmio Warren Alpert Distinguished Scholar e o prêmio Simons Foundation SFARI Bridge-to-Independence.

Sua esposa também é neurocientista, Mariko Hattori, Ph.D. Recentemente, ela ingressou no laboratório de Kirill Martemyanov, Ph.D., chefe do departamento de neurociências, como pesquisadora de pós-doutorado. Os Hattoris têm um filho de 15 meses e gostam de levá-lo ao mar quando não estão no laboratório.

A comunidade de Júpiter tornou-se um grande ímã para os neurocientistas, disseram. O forte programa do Wertheim UF Scripps é acompanhado pelo vizinho Florida Atlantic University Stiles-Nicholson Brain Institute e pelo Max Planck Florida Institute for Neuroscience.

Os Hattoris colaboraram com o diretor científico de Max Planck, Ryohei Yasuda, Ph.D., em um artigo publicado recentemente Neurociência da Natureza artigo sobre o papel de uma região do cérebro chamada córtex orbitofrontal na aquisição de conhecimento generalizado.

Os cientistas descobriram múltiplas camadas de aprendizagem em ação na adaptação dos ratos a novos ambientes, com diferentes escalas de tempo. Os mecanismos de aprendizagem do mouse se assemelhavam aos de um modelo computacional de aprendizagem por reforço desenvolvido por pesquisadores de IA.

“Podemos obter insights sobre os mecanismos cerebrais a partir da IA. Além disso, à medida que entendemos melhor os mecanismos cerebrais para a tomada de decisões e aprendizagem, poderemos transferir o conhecimento para modelos de IA”, diz Ryoma Hattori. “Espero que meus projetos de pesquisa contribuam para a compreensão do cérebro e também para o desenvolvimento da IA ​​com melhor desempenho na comunidade de aprendizado de máquina.”