《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860億個通過100億個突觸聯(lián)網(wǎng)的神經(jīng)元，如果對單個立方毫米神經(jīng)元進行成像，最后能夠產(chǎn)生超過1000TB的數(shù)據(jù)。而如果神經(jīng)科學(xué)家要對這些進行全部標(biāo)注的話，這可能需要10萬個小時。
針對這方面，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，研究員會使用邊緣檢測算法先行識別神經(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)的兩個步驟合成一個步驟。
具體來講，新算法會從特定像素位置開始生長，并使用循環(huán)卷積神經(jīng)網(wǎng)絡(luò)不斷填充一個區(qū)域，進而預(yù)測哪些像素和初始像素屬于同一物體。
眾所周知，在提到智能性的時候，我們常常會提到對“人類大腦”的研究，因為這是讓人工智能更為“智能”的關(guān)鍵，而對大腦的認知不足也阻礙了人們的研究進展。
這方面，谷歌的這一新成果提供了一大幫助?！斑@個項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)元的實際模式，這是歷史上神經(jīng)科學(xué)家所無法實現(xiàn)的?！惫雀柩芯繂T、論文主要作者維綸·賈恩（Viren Jain）表示。
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責(zé)任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
