P:
W jaki sposób uczenie maszynowe może pomóc w obserwowaniu neuronów biologicznych - i dlaczego jest to mylący typ AI?
ZA:Uczenie maszynowe nie tylko modeluje aktywność ludzkiego mózgu - naukowcy wykorzystują również technologie oparte na ML, aby faktycznie spojrzeć na sam mózg i poszczególne neurony, na których zbudowane są te systemy.
Artykuł przewodowy mówi o ciągłych wysiłkach, aby przyjrzeć się mózgowi i faktycznie zidentyfikować właściwości poszczególnych neuronów. Pisarz Robbie Gonzalez mówi o wysiłku z 2007 roku, który ilustruje niektóre z rzeczy, które wciąż są w czołówce rozwoju uczenia maszynowego.
| Bezpłatne pobieranie: Uczenie maszynowe i dlaczego to ma znaczenie |
W pewnym sensie projekty te pokazują także pracochłonny charakter nadzorowanego uczenia maszynowego. W nadzorowanych programach uczenia maszynowego dane zestawu szkoleniowego muszą być dokładnie oznakowane, aby pomóc w przygotowaniu projektu pod kątem sukcesu i dokładności.
Gonzalez mówi o sytuacji, w której różni członkowie zespołu spotykają się, aby wykonać olbrzymi wysiłek, który jest wymagany, aby uzyskać takie oznakowanie, jakiego potrzebują te projekty - opisując kolekcję letnich studentów, doktorantów i osób z tytułem doktora, neurologa molekularnego Margaret Sutherland opisuje, w jaki sposób adnotacja danych pomaga przygotować zestaw danych. National Institute of Neurological Disorders and Stroke, którego dyrektorem był Sutherland, był jednym ze sponsorów badania.
Korzystając z głębokiej sieci neuronowej, zespół kierowany przez neuronaukę z San Francisco, Stephena Finkbeinera i niektórych ekspertów w Google, obserwował obrazy komórek z różnymi rodzajami fluorescencyjnych znaczników i bez nich. Technologia przyjrzała się poszczególnym częściom neuronu, takim jak aksony i dendryty, i próbowała izolować od siebie różne typy komórek, w procesie, który Finkbeiner i inni nazywali znakowaniem in silico lub ISL.
Tego rodzaju badania mogą być szczególnie mylące dla tych, którzy są nowicjuszami w procesie uczenia maszynowego. Wynika to z faktu, że idea uczenia maszynowego i sztucznej inteligencji w dużej mierze opiera się na sieciach neuronowych, które same są cyfrowymi modelami działania neuronów w ludzkim mózgu.
Sztuczny neuron zbudowany na neuronie biologicznym ma zestaw ważonych danych wejściowych, funkcję transformacji i funkcję aktywacji. Podobnie jak neurony biologiczne, pobiera dane wejściowe oparte na danych i zwraca dane wyjściowe. To trochę ironiczne, że naukowcy mogą wykorzystać te biologicznie zainspirowane sieci neuronowe, aby faktycznie spojrzeć na neurony biologiczne.
W pewnym sensie idzie w dół do króliczej dziury technologii rekurencyjnej - ale pomaga także przyspieszyć proces uczenia się w tej branży - i dowodzi również, że ostatecznie neuronauka i elektrotechnika stają się bardzo blisko połączony. W opinii niektórych osób zbliżamy się do osobliwości, o której mówi wielki umysł IT Ray Kurzweil, gdzie linie między ludźmi a maszynami będą się stopniowo zacierać. Ważne jest, aby spojrzeć na to, jak naukowcy stosują te bardzo potężne technologie w naszym świecie, aby lepiej zrozumieć, jak działają wszystkie te nowe modele.
