Q:
Как машинное обучение может помочь наблюдать биологические нейроны - и почему это запутанный тип ИИ?
A:Машинное обучение не просто моделирует деятельность человеческого мозга - ученые также используют технологии, управляемые ML, чтобы реально взглянуть на сам мозг и отдельные нейроны, на которых построены эти системы.
В статье Wired рассказывается о постоянных попытках заглянуть в мозг и определить свойства отдельных нейронов. Писатель Робби Гонсалес рассказывает об усилиях 2007 года, которые иллюстрируют то, что все еще находится на переднем крае развития машинного обучения сегодня.
| Скачать бесплатно: машинное обучение и почему это важно |
В некотором смысле, эти проекты также показывают трудоемкий характер контролируемого машинного обучения. В контролируемых программах машинного обучения данные обучающего набора должны быть тщательно маркированы, чтобы помочь в настройке проекта для успеха и точности.
Гонсалес рассказывает о ситуации, когда различные члены команды собираются вместе, чтобы выполнить огромные трудовые усилия, необходимые для того, чтобы получить ту маркировку, которая нужна этим проектам - описание коллекции летних студентов, аспирантов и докторантов, молекулярная нейробиолог Маргарет Сазерленд описывает, как аннотация данных помогает подготовить набор данных. Национальный институт неврологических расстройств и инсульта, директором которого был Сазерленд, был одним из спонсоров исследования.
Используя глубокую нейронную сеть, команда во главе с нейробиологом из Сан-Франциско Стивеном Финкбейнером и некоторыми экспертами из Google наблюдали изображения клеток с различными типами флуоресцентных меток и без них. Технология смотрела на отдельные части нейрона, такие как аксоны и дендриты, и пыталась изолировать различные типы клеток друг от друга, в процессе, который Finkbeiner и другие назвали in silico маркировка или ISL.
Этот тип исследований может быть особенно запутанным для тех, кто плохо знаком с процессом машинного обучения. Это потому, что идея машинного обучения и искусственного интеллекта основана на нейронных сетях, которые сами являются цифровыми моделями работы нейронов в человеческом мозге.
Искусственный нейрон, который построен на биологическом нейроне, имеет набор взвешенных входов, функцию преобразования и функцию активации. Подобно биологическим нейронам, он принимает некоторую форму управляемых данными входных данных и возвращает выходные данные. Так что немного иронично, что ученые могут использовать эти биологически вдохновленные нейронные сети, чтобы реально взглянуть на биологические нейроны.
В некотором смысле, он идет определенным путем вниз по кроличьей норе рекурсивных технологий - но это также помогает ускорить процесс обучения в этой отрасли - и это также доказывает нам, что в конце концов нейробиология и электротехника становятся очень тесными связаны между собой. По мнению некоторых, мы приближаемся к необычности, о которой говорил великий ИТ-специалист Рэй Курцвейл, где границы между людьми и машинами будут постепенно стираться. Важно посмотреть, как ученые применяют эти очень мощные технологии в нашем мире, чтобы лучше понять, как функционируют все эти новые модели.
