訂閱
糾錯(cuò)
加入自媒體

谷歌研發(fā)新型人工智能系統(tǒng),助力研究員繪制神經(jīng)元

《Nature Methods》刊登了谷歌的一篇新論文《使用Flood-Filling網(wǎng)絡(luò)高效自動(dòng)重建神經(jīng)元》(High-Precision automated reconstruction of neurons with flood-filling networks)。在這篇論文中,谷歌講述了他們所創(chuàng)建的人工智能系統(tǒng),是如何幫助神經(jīng)學(xué)家更好理解大腦結(jié)構(gòu)和功能的。

在人類的大腦中,大概包含了約860億個(gè)通過100億個(gè)突觸聯(lián)網(wǎng)的神經(jīng)元,如果對(duì)單個(gè)立方毫米神經(jīng)元進(jìn)行成像,最后能夠產(chǎn)生超過1000TB的數(shù)據(jù)。而如果神經(jīng)科學(xué)家要對(duì)這些進(jìn)行全部標(biāo)注的話,這可能需要10萬個(gè)小時(shí)。

針對(duì)這方面,谷歌與馬克斯普朗克研究所的研究員一起合作打造了一個(gè)人工智能系統(tǒng),只需要7天的訓(xùn)練,這一系統(tǒng)就能夠完成與上面一樣的工作。

在以往的做法中,研究員會(huì)使用邊緣檢測(cè)算法先行識(shí)別神經(jīng)節(jié)之間的邊界,繼而用wateshed或graph cut等算法將未被邊界分割的圖像像素組合在一起。與之不同,谷歌與馬克斯普朗克研究所提出的“floor-filling Networks”模型將傳統(tǒng)的兩個(gè)步驟合成一個(gè)步驟。

具體來講,新算法會(huì)從特定像素位置開始生長(zhǎng),并使用循環(huán)卷積神經(jīng)網(wǎng)絡(luò)不斷填充一個(gè)區(qū)域,進(jìn)而預(yù)測(cè)哪些像素和初始像素屬于同一物體。

眾所周知,在提到智能性的時(shí)候,我們常常會(huì)提到對(duì)“人類大腦”的研究,因?yàn)檫@是讓人工智能更為“智能”的關(guān)鍵,而對(duì)大腦的認(rèn)知不足也阻礙了人們的研究進(jìn)展。

這方面,谷歌的這一新成果提供了一大幫助!斑@個(gè)項(xiàng)目真正影響的是可以完成的神經(jīng)科學(xué)研究的數(shù)量,能夠以全面的方式研究大腦中神經(jīng)元的實(shí)際模式,這是歷史上神經(jīng)科學(xué)家所無法實(shí)現(xiàn)的!惫雀柩芯繂T、論文主要作者維綸·賈恩(Viren Jain)表示。

聲明: 本文系OFweek根據(jù)授權(quán)轉(zhuǎn)載自其它媒體或授權(quán)刊載,目的在于信息傳遞,并不代表本站贊同其觀點(diǎn)和對(duì)其真實(shí)性負(fù)責(zé),如有新聞稿件和圖片作品的內(nèi)容、版權(quán)以及其它問題的,請(qǐng)聯(lián)系我們。

發(fā)表評(píng)論

0條評(píng)論,0人參與

請(qǐng)輸入評(píng)論內(nèi)容...

請(qǐng)輸入評(píng)論/評(píng)論長(zhǎng)度6~500個(gè)字

您提交的評(píng)論過于頻繁,請(qǐng)輸入驗(yàn)證碼繼續(xù)

  • 看不清,點(diǎn)擊換一張  刷新

暫無評(píng)論

暫無評(píng)論

人工智能 獵頭職位 更多
掃碼關(guān)注公眾號(hào)
OFweek人工智能網(wǎng)
獲取更多精彩內(nèi)容
文章糾錯(cuò)
x
*文字標(biāo)題:
*糾錯(cuò)內(nèi)容:
聯(lián)系郵箱:
*驗(yàn) 證 碼:

粵公網(wǎng)安備 44030502002758號(hào)