Domov trendy Ako môže strojové učenie pomôcť pozorovať biologické neuróny - a prečo je to mätúci druh ai?

Ako môže strojové učenie pomôcť pozorovať biologické neuróny - a prečo je to mätúci druh ai?

Anonim

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.

Ako môže strojové učenie pomôcť pozorovať biologické neuróny - a prečo je to mätúci druh ai?