人造果蝇自带“辨人”能力

编译:温煦

出品:ATYUN订阅号

在加拿大高级研究所(CIFAR)的催化剂资助的一个跨学科项目中,密苏里州圭尔夫大学和多伦多大学的研究人员将果蝇生物学的专业知识与机器学习结合起来,构建了一个基于生物学的算法,该算法可以处理果蝇的低分辨率视频。

据本周发表在《公共科学图书馆·综合》(PLOS ONE)上的这篇论文的第一作者乔恩·施耐德(Jon Schneider)称,这项研究指出了“一种诱人的可能性,即果蝇不仅能够识别广泛的类别,而且能够区分个体。所以当一个果蝇挨着另一个降落时,它会说“嗨,鲍勃”,“嗨,爱丽丝。”

研究人员建立了一个神经网络,它模仿果蝇的视觉系统,能够区分和重新识别果蝇。这就证明了不起眼的果蝇的视觉比之前想象的要清晰。

尽管果蝇的视觉系统很简单,但它们仅凭视觉就能可靠地区分个体。这项任务,甚至那些毕生研究黑腹果蝇的人们也难以完成。研究人员已经建立了一个模拟果蝇视觉系统的神经网络,可以识别和重新识别果蝇。这可能使全世界数以千计的以果蝇为模型生物的实验室能够做更多的纵向工作,观察单个果蝇如何随时间变化。这也证明了果蝇的视力比之前想象的要清晰得多。

果蝇的复眼很小,只能接收有限的视觉信息,估计有29个平方单位。传统观点认为,一旦果蝇对图像进行处理,它就只能分辨出非常广泛的特征。但是最近的一项发现,果蝇可以通过微妙的生物技巧提高它们的有效分辨能力,这使得研究人员相信,视觉可以显著地促进果蝇的社会生活。这一点,再加上他们的视觉系统结构看起来很像深度卷积网络(Deep tional Network, DCN)这一发现,让研究小组提出了一个问题:“我们能模拟出一个能够识别个体的苍蝇大脑吗?”

他们的计算机程序具有与果蝇相同的理论输入和处理能力,并对果蝇两天多的视频进行了训练。然后,在第三天,它能够可靠地识别出同一只苍蝇,F1得分为0.75。令人印象深刻的是,这只比不受飞脑生物学约束的算法的0.85分和0.83分差一点点。相比之下,当让有经验的人类苍蝇生物学家在20只苍蝇的“头部照片”与另20只苍蝇的“头部照片”进行比较时,他们只得到了0.08分。随机概率为0.05。

格雷厄姆•泰勒(Graham Taylor)是机器学习专家,也是CIFAR Azrieli全球机器与大脑学习计划(learning in Machines and Brains program)的学者。他说:“许多深层神经网络应用试图复制和自动化人类的能力,如面部识别、自然语言处理或歌曲识别。但它们很少超出人类的能力。因此,发现一个算法可以超越人类的问题是令人兴奋的。”

实验在多伦多大学密西沙加分校乔尔·莱文实验室进行,他是CIFAR儿童与脑发育项目的高级研究员。他对这种研究的未来寄予厚望.将深度学习模型与神经系统配对的方法非常丰富。它可以告诉我们关于模型,关于神经元如何相互交流,以及关于整个动物的情况。这有点令人吃惊。这是一块尚未开发的领域。

施耐德总结了在不同学科之间工作的感觉:“这样的项目是神经生物学家和机器学习研究人员合作的完美舞台,可以揭示任何系统(生物学或其他)如何学习和处理信息的基本原理。”

原文发布于微信公众号 - ATYUN订阅号(atyun_com)

原文发表时间:2018-12-18

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

扫码关注云+社区

领取腾讯云代金券