Q:
Kaip mašininis mokymasis gali padėti pastebėti biologinius neuronus - ir kodėl tai yra painus AI tipas?
A:Mašinų mokymasis ne tik modeliuoja žmogaus smegenų veiklą - mokslininkai taip pat naudoja ML pagrįstas technologijas, kad iš tikrųjų pažvelgtų į pačias smegenis ir atskirus neuronus, ant kurių yra pastatytos šios sistemos.
„Wired“ straipsnis pasakoja apie nuolatines pastangas pažvelgti į smegenis ir iš tikrųjų nustatyti atskirų neuronų savybes. Rašytojas Robbie Gonzalez pasakoja apie 2007 m. Pastangas, iliustruojančias kai kurias pažangias mašinų mokymosi plėtros tendencijas.
| Nemokamas atsisiuntimas: mašinų mokymasis ir kodėl tai svarbu |
Tam tikra prasme šie projektai taip pat parodo, kad prižiūrimas mašinų mokymasis reikalauja daug darbo. Prižiūrimose mašinų mokymosi programose mokymo rinkinio duomenys turi būti kruopščiai paženklinti, kad būtų lengviau nustatyti projekto sėkmę ir tikslumą.
Gonzalezas pasakoja apie situaciją, kai įvairūs komandos nariai susirenka, kad atliktų dideles darbo jėgas, kurių reikia norint gauti tokį ženklinimą, kokio reikia šiems projektams - aprašo vasaros studentų, magistrantų ir podoktorantų asmenų kolekciją, molekulinę neuromokslininkę Margaret Sutherland aprašoma, kaip duomenų anotacija padeda paruošti duomenų rinkinį. Nacionalinis neurologinių sutrikimų ir insulto institutas, kurio direktorius buvo Sutherlandas, buvo vienas iš tyrimo rėmėjų.
Naudodama gilų nervų tinklą, komanda, vadovaujama San Fransisko neurologo Stepheno Finkbeinerio ir kai kurių „Google“ ekspertų, stebėjo ląstelių vaizdus su įvairių tipų fluorescencinėmis žymėjimo etiketėmis ir be jų. Technologija apžvelgė atskiras neurono dalis, tokias kaip aksonai ir dendritai, ir bandė atskirti įvairių tipų ląsteles viena nuo kitos proceso metu, kurį Finkbeiner ir kiti vadino silikoniniu ženklinimu arba ISL.
Tokio tipo tyrimai gali būti ypač painūs tiems, kuriems mašininio mokymosi procesas yra naujas. Taip yra todėl, kad mašininio mokymosi ir dirbtinio intelekto idėja yra labai pagrįsta neuroniniais tinklais, kurie patys yra skaitmeniniai neuronų darbo žmogaus smegenyse modeliai.
Dirbtinis neuronas, pastatytas ant biologinio neurono, turi svertinių įėjimų rinkinį, transformacijos funkciją ir aktyvavimo funkciją. Panašiai kaip ir biologiniuose neuronuose, tam tikru pavidalu į duomenų bazę įvedami duomenys ir gaunamas išėjimas. Taigi šiek tiek ironiška, kad mokslininkai gali panaudoti šiuos biologiškai įkvėptus neuroninius tinklus, kad iš tikrųjų pažvelgtų į biologinius neuronus.
Tam tikra prasme tai eina tam tikru rekursyvios technologijos triušio anga - tačiau tai taip pat padeda pagreitinti šios pramonės šakos mokymosi procesą - ir tai mums taip pat įrodo, kad galiausiai neuromokslas ir elektrotechnika tampa labai artimi. susieta. Kai kurių nuomonėse mes artėjame prie išskirtinumo, apie kurį kalbėjo puikus IT protas Ray Kurzweil, kur linijos tarp žmonių ir mašinų taps neryškios. Svarbu pažvelgti, kaip mokslininkai taiko šias labai galingas technologijas mūsų pasaulyje, kad geriau suprastume, kaip veikia visi šie nauji modeliai.
