Robotok az idegtudományban

Az agykutatás rendkívül szerteágazó terület, a szakértők mindenféle kapcsolódási pontot megpróbálnak felhasználni az univerzum valószínűleg legkomplexebb rendszerének megértése érdekében. A robotika tulajdonképpen kéz a kézben fejlődött az idegtudománnyal, hol az egyikben történt előre lépések ihlették meg a másik képviselőit, hol fordítva. Ezúttal ennek az együttműködésnek a múltjába pillantunk bele, majd megnézzük milyen új példái vannak.

Önszabályozó rendszerek: kibernetika

A robotika kiindulópontjának sokan Norbert Wiener 1948-ban megjelent könyvét tartják, melynek címe „Kibernetika: Az állati és gépi szabályozásról és kommunikációról”. A könyv egyik legfontosabb gondolata tulajdonképpen az, hogy az önszabályozó rendszerek célvezérelt viselkedését visszacsatolási körökkel magyarázza. Például a torpedó célkövetését a célpont által kiadott hangjelzésre épülő irányítórendszer teszi lehetővé: ha a hang nagy időkülönbséggel éri el a két receptort (akusztikus transzduktorok), akkor az ezek különbségéből adódó jel korrigálja a torpedó irányát. Hasonló elven akár az állatok idegrendszere által kivitelezett folyamatok is magyarázhatók, megérthetők.

torpedo
Az akusztikus torpedó irányítása (Forrás: wikipedia.org).

Hamarosan több különféle robot is megjelent, melyek érdekes viselkedéseket produkáltak néhány egyszerű mechanizmus révén. A legismertebbek talán a William Walter Grey által megépített teknős robotok (a nevüket a kinézetüknek köszönhetik). Ezek egy fényérzékelő és egy tapintásérzékelő egység, illetve két motor segítségével már képesek voltak összetett viselkedést produkálni: a fényt követték, de ha valami akadályba ütköztek, akkor irányt változtattak. Ettől még egyszerűbb szerkezetek is érdekesnek bizonyultak a szabályozás módjainak felismerésében: a 30-as években például egy automatikus rovart készített egy kutató, ami voltaképpen arra volt képes, hogy elkerülje a leesést az asztalról. A rovar alján lévő kereket egy motor hajtotta. A leesést úgy védte ki, hogy a fő kerék előtt egy arra merőleges kereke is volt, ami viszont nem érintette az asztal lapját, mert egy rudacska a levegőbe emelte a szerkezet elejét. Amint az asztal közelébe ért a rudacska leesett, a kerék pedig talajt fogott, és elforgatta a kis automatát.

Ezek a példák mind arra világítottak rá, hogy egészen egyszerű mechanizmusok is produkálhatnak összetett viselkedést. Noha ezekbe a korai szerkezetekbe még aligha kerültek bele olyan megoldások, melyekhez hasonlót az idegrendszerben is el lehetne képzelni, azóta szorosabbra fonódott az idegtudomány és a robotika viszonya. Az utóbbi néhány évben például több olyan tanulmány is megjelent, amikben robotok segítségével vizsgálták az ízeltlábúak idegrendszerének működését.

Vadászó és gyűjtögető robotrovarok

Az ízeltlábúak elképesztő bonyolultságú viselkedéseket mutatnak, miközben az idegrendszerük jóval kevesebb idegsejtet tartalmaz, mint például egy emlősé (ecetmuslica ~135 000; egér ~70 000 000). Ezért írta egyébként Charles Darwin is, hogy a hangya agya a legbámulatosabb dolog a világon: tűhegynyi, és mégis bonyolult társas rendszereket hoz létre. De nem csak a hangyák társas viselkedése csodálatraméltó, hanem például a szitakötők, vagy az imádkozó sáskák vadászata, prédakövetése is.

Egy kutatócsoport például a szitakötők látórendszerének célkövetését vizsgálta egy robotban, ami ugyan alig hasonlított a valódi állatra, a mozgáskövetést lehetővé tévő idegrendszeri hálózatot mégis elég élethűen tudta modellezni ahhoz, hogy a valódi szitakötő idegrendszerével kapcsolatos következtetésekhez vezessen. A robot kialakítása abból a tényből indult ki, hogy a szitakötők agyában van egy sejttípus (STMD – small target motion detector – kis célpontú mozgásdetektor), amely fontos szerepet játszik a préda követésében. Az ilyen típusú sejtek aktivitása a valóságban folyamatosan fokozódik, amennyiben a látótérben egy adott, szabályos utat bejáró tárgy halad végig. Ebből arra következtettek a kutatók, hogy a sejtek a figyelem irányításában játszanak szerepet, és valóban, a számítógépes modellek hasonló mechanizmussal nagyon meggyőző teljesítményt értek el követési feladatokon.

Ezen felbuzdulva a kutatók egy robotot építettek, melyben pontosabban modellezhetők a valódi mozgás hatásai a célkövető rendszerre. A robot kameráiból érkező jelet egy következő egység dolgozza fel, ami a látótérben bekövetkező változásokra érzékeny. A mozgó tárgy megjelenésekor ez az egység jelet küld az STMD-knek megfelelő egységbe, amiben ennek megfelelően a tárgy legvalószínűbb következő pozícióját leképező elemben keletkezik aktivitás, ami visszahat az elemző egységre és hatékonyabbá teszi a tárgy érzékelését. A valóságban azonban a szitakötő nemcsak az aktuális látótérben követi a célpontot, hanem például a fej elforgatásával is. Ilyenkor viszont a célpont a retinának egy másik pontján fog leképeződni. Ahhoz tehát, hogy az STMD sejtek által előidézett hatás hasznos legyen, vagyis a retina megfelelő részét leképező sejtek működését befolyásolja, nem csak a tárgy mozgását, hanem a szitakötő testének mozgásait is figyelembe kell venni. A robot esetében ezt úgy lehetett elérni, hogy az STMD egységek a mozgatórendszertől is kaptak jelet. Emellett az is kiderült, hogy a sikeres célkövetés érdekében az STMD egységek által produkált kimenetet annak is befolyásolnia kell, hogy a célpont milyen sebességgel halad. Ezek alapján tehát a jövőben érdekes lehet megvizsgálni, hogy a valódi szitakötő STMD neuronjainak kapcsolatai is kapnak-e jelet a mozgatórendszertől, illetve változik-e a működésük a célpont sebességének függvényében.

dragonfly
A szitakötő látórendszerét modellező robot. A külső különbségek fontos működésbeli hasonlóságokat lepleznek (Forrás: Bagheri és mtsai., 2017 – Journal of Neural Engineering).

Egy másik kutatócsoport a sáskabot (mantisbot) nevű konstrukcióval végzett hasonló vizsgálatot, arra a kérdésre keresték a választ, hogy hogyan orientálja testét a célpontja irányába az állat. Ez a robot már valamivel jobban hasonlít a valódi imádkozó sáskára, mivel ebben az esetben fontos volt, hogy a mozgatórendszer valósághű legyen. A robot fejlesztése során a mozgásszabályozással kapcsolatos technikai nehézségek leküzdése a valódi rovarban zajló folyamatokkal kapcsolatban is tesztelhető feltevéseket hozott. A sáskabot arra is felhívta a figyelmet, hogy a célpont látótérben tartásához szükséges mozgások csak úgy mehetnek végbe hatékonyan, ha a célpont mozgást megelőző helye raktározódik a rövid távú memóriában.

mantisbot
A sáskabot (Forrás: Szczecinski és mtsai., 2017 – Arthropod Structure & Development).

Egy harmadik izgalmas eredmény a rovarok útkeresésével kapcsolatos. Az útkeresés például méhek és darazsak esetében igen összetett módon jelentkezik, hiszen ezek az állatok bonyolult útvonalakat járnak be táplálékot keresve, majd visszatérnek a fészekbe. Neurofiziológiai vizsgálatok alapján ebben alapvető szerepet tölt be a központi komplexum, ami az állat látóterének a naphoz viszonyított helyzetére, a fej tereptárgyakhoz viszonyított helyzetére és az állat mozgásának sebességére vonatkozó információt is kap. A központi komplexum ezen felül még sajátos felépítésbeli szabályosságot is mutat: a két fele 8-8, közel azonos egységre osztható fel. A rendszer működésének megértésében a szakértők szerint mégis az volt a legnagyobb jelentőségű mozzanat, hogy az idegtudományban elterjedt reprezentációs nézetet lecserélték, vagyis nem arra a kérdésre keresték a választ, hogy vajon hogyan képezi le a központi komplexum a külső ingereket, hanem azzal foglalkoztak, hogyan alakítja ezeket a mozgásszabályozás szempontjából releváns jelekké. A kutatók jelenleg úgy képzelik, hogy a gyűjtögetés során megtett út hatására bekövetkező elmozdulás egy redundánsan kódolt vektor formájában tárolódik a központi komplexumban (a 8 részlet 8 irányt képvisel).

Az idegrendszer által megoldott feladatok elvégzésére készülő robotok tehát segíthetnek megérteni a valódi idegrendszerben zajló folyamatokat is. Ez egy igazán sajátos megközelítés az agykutatásban, ami talán éppen ezért tűnik rendkívül izgalmasnak.

Ez a cikkem az Élet és Tudomány 2020/20. számában jelent meg.

Források:

https://science.sciencemag.org/content/368/6488/244

https://www.nature.com/articles/417359a