谷歌研发新型人工智能系统,能全面研究大脑神经元的实际模式

昨天,《Nature Methods》刊登了谷歌的一篇新论文《使用Flood-Filling网络高效自动重建神经元》(High-Precision automated reconstruction of neurons with flood-filling networks)。在这篇论文中,谷歌讲述了他们所创建的 人工智能 系统,是如何帮助神经学家更好理解大脑结构和功能的。

在人类的大脑中,大概包含了约860亿个通过100亿个突触联网的神经元,如果对单个立方毫米神经元进行成像,最后能够产生超过1000TB的数据。而如果神经科学家要对这些进行全部标注的话,这可能需要10万个小时。

针对这方面, 谷歌 与马克斯普朗克研究所的研究员一起合作打造了一个人工智能系统,只需要7天的训练,这一系统就能够完成与上面一样的工作。

在以往的做法中,研究员会使用边缘检测算法先行识别神经节之间的边界,继而用wateshed或graph cut等算法将未被边界分割的图像像素组合在一起。与之不同,谷歌与马克斯普朗克研究所提出的“floor-filling Networks”模型将传统的两个步骤合成一个步骤。

具体来讲,新算法会从特定像素位置开始生长,并使用循环卷积神经网络不断填充一个区域,进而预测哪些像素和初始像素属于同一物体。

众所周知,在提到智能性的时候,我们常常会提到对“人类大脑”的研究,因为这是让人工智能更为“智能”的关键,而对大脑的认知不足也阻碍了人们的研究进展。

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20180717A1TTY900?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券