Makine öğreniminde yeni atılım: Google araştırmacıları, beyin nöronlarını otomatik olarak yeniden yapılandırmak için yapay zekayı kullanıyor
Son zamanlarda, Google ve Max Planck Nörobiyoloji Enstitüsü, yalnızca bağlı nöron grubunu otomatik olarak yeniden yapılandırmak için tekrarlayan bir sinir ağı algoritması kullanan "Doğa Yöntemleri" konusunda gişe rekorları kıran bir makale yayınladı. Bağlantı grubu, yüksek çözünürlüklü görsel görüntüleme gerçekleştirir ve doğruluk, bağlantı grubu araştırmalarında yeni bir atılım getiren bir büyüklük sırasına göre iyileştirilmiştir.
Sinir sistemindeki sinir ağlarının yapısını çizmek - "konektomik" adı verilen bir çalışma alanı, şüphesiz hesaplama açısından yoğundur.
İnsan beyninde, 100 trilyon sinaps ile birbirine bağlanmış yaklaşık 86 milyar nöron vardır ve bir milimetre küp beyin dokusunun görüntülenmesi 1.000 terabayttan fazla veri (1 milyar fotoğraf) üretebilir.
"Connectivity: Making the Unique You" kitabındaki girişe göre, konektomik, beynin çalışma mekanizmasını analiz etme nihai amacına ulaşmak için nöronların bağlantısını ve organizasyonunu analiz eden bir konudur. Bağlantısalcılık, beynin çalışma mekanizmasının nöronların bağlantılarında yer aldığına inanır. İki nöron arasında bir sinaps kavşağı varsa, o zaman iki nöron "bağlanır". Sinapslar yoluyla, bir nöron bilgiyi başka bir nörona iletebilir.
Lei Feng Net Not: Nöronların yapısı
AI, nöron bağlantı gruplarının görsel olarak görüntülenmesine yardımcı olarak doğruluğu bir büyüklük sırasına göre artırır
Bağlantı grubunu görmek için bilim adamları çeşitli keşiflerden geçti. Daha yaygın olarak beyin dokusunu boyamak için kullanılır ve daha sonra nöronların bağlantıları hakkında büyük miktarda yerel özel bilgi elde etmek için beyin dilimlerini gözlemlemek için bir elektron mikroskobu kullanır ve daha sonra bunları beynin tüm sinir ağı bilgilerini oluşturmak için bir araya getirir, ancak belirli bir operasyonda üstesinden gelinmesi gerekir. Çok fazla insan gücü ve malzeme kaynağı tüketen birçok zorluk. İkincisi, yaşayan beyni MRI (nükleer manyetik rezonans) ile gözlemlemektir, ancak çözünürlük düşüktür, sadece milimetredir.
Beyindeki sinaptik bağlantıların ve bağlantı gruplarının bilgilerini yüksek çözünürlüklü görselleştirme ile görselleştirebilirsek, o zaman bir kişinin beyninin hasar görüp görmediği bir bakışta görülebilecek ve bazı zor beyin hastalıklarının hedefli tedavisi haline gelecektir. Mayıs.
16 Temmuz'da Nature Methods dergisinde yayınlanan "Taşkın Dolduran Ağlarla Nöronların Yüksek Hassasiyetli Otomatik Yeniden Yapılandırılması" (Taşkın Doldurma Ağlarıyla Nöronların Yüksek Hassasiyetli Otomatik Yeniden Yapılandırılması) Makalede, Google ve Max Planck Nörobiyoloji Enstitüsü'nden (Max Planck Nörobiyoloji Enstitüsü) bilim adamları, grupları birbirine bağlamak için tasarlanmış, tekrarlayan bir sinir ağı algoritması (el yazısı ve konuşma tanıma için yaygın olarak kullanılan bir makine öğrenme algoritması) gösterdiler. Akademik analiz için özel olarak üretilmiştir.
Google araştırmacıları, makine öğrenimini konektomiye uygulayan ilk kişiler değil. Bu yılın Mart ayında Intel, "yeni nesil" bir beyin görüntü işleme sistemi geliştirmek için Massachusetts Teknoloji Enstitüsü Bilgisayar Bilimi ve Yapay Zeka Laboratuvarı ile işbirliği yaptı. Ancak Google, modellerinin Intel dahil şirketler tarafından yayınlanan önceki derin öğrenme teknolojilerinden daha doğru olduğunu iddia ediyor Bir büyüklük sırasına göre geliştirildi .
Lei Feng Net Not: Google'ın algoritması, ötücü kuşun beynindeki bir 3D sinapsı izler
3D görüntü segmentasyonu için Taşkın Doldurma Ağları algoritmasını kullanın
Sinir ağlarını büyük elektron mikroskobu verilerinde izlemek, görüntü bölümlemenin yaygın bir yöntemidir. Geleneksel algoritmalar bu süreci en az iki adıma böler: sinir ağları arasındaki sınırları bulmak için kenar dedektörlerini veya makine öğrenimi sınıflandırıcılarını kullanın ve ardından sınırlara göre segmentlere ayrılmamış görüntü piksellerini gruplamak için su havzası veya grafik kesimi gibi algoritmaları kullanın.
2015 yılında araştırmacılar, bu iki adımı birleştiren tekrarlayan sinir ağlarına dayanan alternatif bir yöntem denemeye başladı. Algoritma, belirli bir pikseldeki bir noktayı sabitler ve daha sonra bir alanı yinelemeli olarak "doldurmak" için döngüsel bir evrişimli sinir ağı kullanır Sinir ağı, hangi piksellerin orijinal piksellerle aynı olduğunu tahmin edebilir.
Lei Feng net notu: Nesneleri 2D olarak bölümlere ayırmak için Taşkın Doldurma ağı
Beklenen çalışma uzunluğu ölçüm doğruluğunu ayarlayın
2015'ten beri, araştırmacılar bu yeni yöntemi büyük bağlantılı veri kümelerine uygulamak ve doğruluğunu titizlikle ölçmek için çalışıyorlar.
Doğruluğu test etmek için, araştırma ekibi "beklenen çalışma uzunluğu" (ERL) göstergesini ayarladı, nöronları beynin 3D görüntülerinden rastgele seçti ve izledi ve ardından algoritmanın hata yapmadan önce nöronları izlediği mesafeyi ölçtü.
Lei Feng.com Not: Mavi çizgi ERL ölçümünün sonucunu temsil eder; kırmızı çizgi "birleşme oranını", yani iki bağımsız nöronun izleme için bir hedefle karıştırılma sıklığını temsil eder.
Araştırma ekibi, 1 milyon kübik mikron zebra ispinoz beynini taradıktan ve ERL ölçümlerinden sonra, modelin önceki algoritmalardan "çok daha iyi" performans gösterdiğini bildirdi.
Lei Feng Net Not: Zebra ispinoz beyin nöronlarını otomatik olarak yeniden yapılandırmak için taşkın ağ algoritmasını kullanma
"Bu otomasyonların sonuçları, az miktarda ek insan yatırımıyla birleştirildiğinde kalan hataları ortadan kaldırabilir. Max Planck Enstitüsü'ndeki araştırmacılar artık zebra ispinozlarının nasıl şarkı söylediği ve nasıl şarkı söylediği gibi yeni bilgiler edinmek için şarkı kuşu bağlantı grubunu inceleyebilir Şarkı söylemeyi öğrenin, "Bu makalenin yazarları Viren Jain ve Michal Januszewski bir blog yazısında yazdı.
Ekip, kağıda ek olarak, modelin TensorFlow kodunu ve veri setini görselleştirmek ve yeniden yapılandırma sonuçlarını iyileştirmek için kullandıkları WebGL 3D yazılımını Github'da yayınladı. Gelecekte, sinaps çözüm sürecini tamamen otomatikleştirmek ve "Max Planck Enstitüsü ve diğer kurumların projeleri için yardım sağlamak" için sistemi iyileştirmeyi planlıyorlar.
aracılığıyla: venturebeat; googleblog; doğa
