Itthon Trends Hogyan segítheti a gépi tanulás a biológiai idegsejtek megfigyelését - és miért ez a zavaró típusú ai?

Hogyan segítheti a gépi tanulás a biológiai idegsejtek megfigyelését - és miért ez a zavaró típusú ai?

Anonim

K:

Hogyan segítheti a gépi tanulás a biológiai idegsejtek megfigyelését - és miért zavaró ez az AI típusa?

A:

A gépi tanulás nemcsak az emberi agyi tevékenységet modellezi - a tudósok ML-vezérelt technológiákat is használnak, hogy valójában megvizsgálják magát az agyat és az egyes idegsejteket, amelyekre ezek a rendszerek épülnek.

Egy vezetékes cikk arról szól, hogy folyamatban van-e az agy és az egyes idegsejtek tulajdonságai. Robbie Gonzalez író egy 2007-es erőfeszítésről beszél, amely szemlélteti néhányat, ami még mindig a gépi tanulás fejlesztésének élvonalában van.

Ingyenes letöltés: Gépi tanulás és miért számít?

Bizonyos értelemben ezek a projektek megmutatják a felügyelt gépi tanulás munkaigényes jellegét is. A felügyelt gépi tanulási programokban az oktatókészlet adatait gondosan fel kell címkézni, hogy elősegítsék a projekt sikerét és pontosságát.

Gonzalez egy olyan helyzetről beszél, amikor egy csapat különféle tagjai összegyűlnek annak érdekében, hogy elvégezzék a hatalmas erőfeszítéseket ahhoz, hogy megkapják az ilyen projektekhez szükséges jelölést - a nyári hallgatók, a végzős hallgatók és a posztdoktori egyének gyűjteményét, a molekuláris idegtudós Margaret Sutherland gyűjteményét leírja, hogy az adat annotáció hogyan segít előkészíteni az adatkészletet. A Nemzeti Idegbetegségek és Stroke Intézet, amelynek igazgatója Sutherland volt, volt a tanulmány egyik támogatója.

A mély idegi hálózat segítségével egy San Francisco-i neurológus, Stephen Finkbeiner és a Google néhány szakértője által vezetett csoport megfigyelt sejtek képeit különféle típusú fluoreszkáló jelölő címkékkel és anélkül. A technológia az idegsejtek egyes részeit, például az axoneket és a dendriteket vizsgálta, és megpróbálta különféle sejttípusokat izolálni egymástól egy olyan folyamatban, amelyet Finkbeiner és mások in silico címkézésnek vagy ISL-nek hívtak.

Ez a fajta kutatás különösen zavaró lehet azok számára, akik újak a gépi tanulási folyamatban. Ennek oka az, hogy a gépi tanulás és a mesterséges intelligencia gondolata nagymértékben a neurális hálózatokon alapul, amelyek maguk is digitális modellek arra, hogyan működnek az idegsejtek az emberi agyban.

A biológiai neuronra épülő mesterséges neuron súlyozott bemenetekkel, transzformációs és aktiválási funkciókkal rendelkezik. A biológiai idegsejtekhez hasonlóan az adatvezérelt bemenetek valamilyen formájában is megjelenik, és egy outputot ad vissza. Tehát kissé ironikus, hogy a tudósok ezeket a biológiailag ihletett ideghálózatokat felhasználhatják a biológiai idegsejtek valódi megnézésére.

Bizonyos értelemben bizonyos mértékben lefelé halad a rekurzív technológia nyúllyukán - de elősegíti az iparban a tanulási folyamat felgyorsítását is - és azt is bizonyítja számunkra, hogy a végén az idegtudomány és az elektrotechnika nagyon szorosan összekapcsolódik kapcsolódik. Néhány véleményünk szerint megközelítjük azt a szingularitást, amelyet nagy informatikai gondolkodó Ray Kurzweil beszélt, ahol az emberek és a gépek közötti vonalak folyamatosan elmosódnak. Fontos megvizsgálni, hogy a tudósok miként alkalmazzák ezeket a nagyon erős technológiákat világunkra, hogy jobban megértsük, hogyan működnek ezek az új modellek.

Hogyan segítheti a gépi tanulás a biológiai idegsejtek megfigyelését - és miért ez a zavaró típusú ai?