Q:
Ako môže strojové učenie pomôcť pozorovať biologické neuróny - a prečo je to mätúci typ AI?
A:Strojové učenie nielen modeluje činnosť ľudského mozgu - vedci tiež používajú technológie založené na ML, aby sa skutočne pozreli na samotný mozog a jednotlivé neuróny, na ktorých sú tieto systémy postavené.
Článok s káblom hovorí o pokračujúcom úsilí pozerať sa do mozgu a skutočne identifikovať vlastnosti jednotlivých neurónov. Spisovateľ Robbie Gonzalez hovorí o úsilí v roku 2007, ktoré ilustruje niektoré z toho, čo je stále na špici vývoja strojového učenia v súčasnosti.
| Zdarma na stiahnutie: Strojové učenie a prečo na tom záleží |
Tieto projekty svojím spôsobom ukazujú aj pracovnú náročnosť strojového učenia pod dohľadom. V programoch strojového učenia pod dohľadom musia byť údaje sady tréningov starostlivo označené, aby sa pomohlo pri nastavení projektu pre úspech a presnosť.
Gonzalez hovorí o situácii, keď sa rôzni členovia tímu spoja, aby vykonali veľké úsilie, ktoré je potrebné na získanie takého označenia, aké tieto projekty potrebujú - opisujú zbierku letných študentov, postgraduálnych študentov a postdoktorandov, molekulárneho neurovedcu Margaret Sutherland popisuje, ako anotácia údajov pomáha pripraviť množinu údajov. Jedným z sponzorov štúdie bol Národný inštitút neurologických porúch a mozgovej mŕtvice, ktorého riaditeľom bola Sutherland.
Tím využívajúci hĺbkovú neurónovú sieť, vedený neurovedcom San Francisco Stephenom Finkbeinerom a niektorými odborníkmi v spoločnosti Google, pozoroval obrázky buniek s rôznymi typmi fluorescenčných značiek a bez nich. Táto technológia sa zamerala na jednotlivé časti neurónu, ako sú axóny a dendrity, a pokúsila sa izolovať rôzne typy buniek od seba navzájom, a to spôsobom, ktorý Finkbeiner a ďalšie nazývali silikónové značenie alebo ISL.
Tento typ výskumu môže byť mätúci najmä pre tých, ktorí začínajú procesom strojového učenia. Je to preto, že myšlienka strojového učenia a umelej inteligencie je vysoko založená na neurónových sieťach, ktoré sú samy o sebe digitálnymi modelmi fungovania neurónov v ľudskom mozgu.
Umelý neurón, ktorý je postavený na biologickom neuróne, má množinu vážených vstupov, transformačnú funkciu a aktivačnú funkciu. Podobne ako biologické neuróny, má nejakú formu vstupov založených na údajoch a vracia výstup. Je preto trochu ironické, že vedci môžu pomocou týchto biologicky inšpirovaných neurálnych sietí skutočne pozerať na biologické neuróny.
Určitým spôsobom ide dolu králičou dierou rekurzívnej technológie - ale tiež pomáha zrýchliť proces učenia v tomto priemysle - a zároveň nám to dokazuje, že neuroveda a elektrotechnika sa nakoniec stávajú veľmi blízko spojený. Podľa niektorých sa blížime k singularite, o ktorej hovorí veľká IT myseľ Ray Kurzweil, kde sa hranice medzi ľuďmi a strojmi neustále rozmazávajú. Je dôležité pozrieť sa na to, ako vedci aplikujú tieto veľmi silné technológie na náš svet, aby sme lepšie porozumeli tomu, ako fungujú všetky tieto nové modely.
