Q:
Jak může strojové učení pomoci pozorovat biologické neurony - a proč je to matoucí druh AI?
A:Strojové učení nejen modeluje aktivitu lidského mozku - vědci také používají technologie založené na ML, aby se skutečně podívali na samotný mozek a jednotlivé neurony, na kterých jsou tyto systémy postaveny.
Drátěný článek hovoří o pokračujícím úsilí podívat se do mozku a skutečně identifikovat vlastnosti jednotlivých neuronů. Spisovatel Robbie Gonzalez hovoří o úsilí v roce 2007, které ilustruje některé z toho, co je stále na špici vývoje strojového učení dnes.
| Zdarma ke stažení: Strojové učení a proč to záleží |
Tyto projekty svým způsobem ukazují také na náročnost strojového učení pod dohledem. V programech strojového učení pod dohledem musí být data sady tréninků pečlivě označena, aby bylo možné projekt nastavit pro úspěch a přesnost.
Gonzalez hovoří o situaci, kdy se různí členové týmu spojí, aby provedli obrovské úsilí, které je zapotřebí k získání takového značení, jaké tyto projekty potřebují - popisující soubor letních studentů, postgraduálních studentů a postdoktorských osob, molekulární neurovědě Margaret Sutherland popisuje, jak anotace dat pomáhá připravit sadu dat. Jedním z přispěvatelů studie byl Národní institut neurologických poruch a mrtvice, jehož ředitelem byl Sutherland.
Tým využívající hlubokou neuronovou síť tým vedený neurovědcem San Francisco Stephenem Finkbeinerem a některými odborníky na Googlu pozoroval obrázky buněk s různými typy fluorescenčních značek a bez nich. Tato technologie se zaměřovala na jednotlivé části neuronu, jako jsou axony a dendrity, a pokusila se izolovat různé typy buněk od sebe navzájem, v procesu, který Finkbeiner a další nazývali silikonovým značením nebo ISL.
Tento typ výzkumu může být zvláště matoucí pro ty, kteří jsou v procesu strojového učení nové. Je to proto, že myšlenka strojového učení a umělé inteligence je vysoce založena na neuronových sítích, které jsou samy o sobě digitálními modely práce neuronů v lidském mozku.
Umělý neuron, který je postaven na biologickém neuronu, má sadu vážených vstupů, transformační funkci a aktivační funkci. Podobně jako biologické neurony, má nějakou formu vstupů založených na datech a vrací výstup. Je tedy trochu ironické, že vědci mohou pomocí těchto biologicky inspirovaných neuronových sítí skutečně podívat na biologické neurony.
Svým způsobem jde určitým způsobem dolů do králičí díry rekurzivní technologie - ale také pomáhá zrychlit proces učení v tomto odvětví - a také nám to dokazuje, že neurověda a elektrotechnika se nakonec stávají velmi blízko spojené. Podle názoru některých se blížíme k singularitě, o které mluví velká IT mysl Ray Kurzweil, kde se hranice mezi lidmi a stroji budou neustále rozmazávat. Je důležité podívat se na to, jak vědci aplikují tyto velmi silné technologie na náš svět, abychom lépe porozuměli tomu, jak fungují všechny tyto nové modely.
