Revolution gennem AI: Ny model afslører musehjernens hemmeligheder!

Revolution gennem AI: Ny model afslører musehjernens hemmeligheder!

Et internationalt forskerhold kendt som MICrONS har udviklet innovative AI-modeller, der har til formål at analysere den neurale behandling af visuelle stimuli i hjernen. Disse banebrydende resultater blev offentliggjort i anerkendte videnskabelige tidsskrifter Natur og Naturkommunikation offentliggjort. Universitetet i Göttingen er væsentligt involveret i denne undersøgelse, som har titlen "Foundation Model of Neural Activity Predicts Response to New Stimulus Types and Anatomy" og demonstrerer modellers evne til at lære af store datasæt.

Som en del af denne undersøgelse blev over 135.000 nerveceller i musehjernen analyseret. Den udviklede AI-model kan pålideligt forudsige, hvordan neuroner reagerer på nye stimuli, selvom disse stimuli tidligere var ukendte. Prof. Dr. Fabian Sinz, en af ​​de førende videnskabsmænd, fremhæver, at modellen kan give mere præcise svar på forskellige visuelle stimuli. Et andet forskningsstudie undersøger i detaljer formen og strukturen af ​​nerveceller i den visuelle cortex. Denne undersøgelse, med titlen "Et uovervåget kort over excitatoriske neuroners dendritiske morfologi i musens visuelle cortex," viser, at pyramideceller udviser væskeovergange mellem celletyper og ikke har klart definerede typer.

Avanceret forskning med maskinlæring

Til en mere dybdegående analyse af nervecellerne har forskerne udviklet en maskinlæringsmetode, der koder for 3D-formen af ​​disse celler. MICrONS-projektet involverer adskillige respekterede forskningsinstitutioner såsom Baylor College of Medicine, Allen Institute for Brain Science og Princeton University. I løbet af dette blev "MICrONS Multi-Area Data Set", som er det største datasæt af sin art indsamlet i en pattedyrs hjerne, hvad angår struktur, netværk og reaktionsegenskaber for nervecellerne.

Disse digitale tvillinger af nerveceller var i stand til med succes at forudsige formen og strukturen. Den opnåede indsigt giver ikke kun dybere indsigt i hjernens organisering, men kan også hjælpe med at gøre neurovidenskabelige eksperimenter mere effektive. Det er muligt at udføre i silico-eksperimenter, før man rent faktisk udfører in vivo-undersøgelser.

Rollen af ​​kunstig intelligens

Kunstig intelligens (AI) er en gren af ​​datalogi, der beskæftiger sig med udviklingen af ​​algoritmer, der efterligner menneskets kognitive evner. Som i rapporten af bpb.de Som beskrevet kan AI analysere store mængder data, genkende mønstre og få indsigt fra dem. Udtrykket AI, opfundet af amerikanske videnskabsmænd, beskriver systemer, der påtager sig stadigt mere komplekse opgaver, som engang var forbeholdt mennesker.

Især hele klasser af læringsalgoritmer, såsom maskinlæring, har udviklet sig siden 1950'erne. Disse algoritmer trænes med store datasæt for at genkende mønstre og beregne sandsynligheder. En særlig form er deep learning, som er baseret på kunstige neurale netværk og bliver stadig vigtigere på grund af sin evne til at behandle ekstremt komplekse datamønstre.

Neurale netværk er inspireret af forbindelserne mellem nerveceller i den menneskelige hjerne. Disse netværk består af lag af dataknudepunkter forbundet med hinanden ved hjælp af vægtede forbindelser og er i stand til at genkende mønstre i data. Træning af disse netværk sker gennem gentagen præsentation af data, og gennem disse processer forbedrer de deres evne til at klassificere og behandle disse data.

Den fremadskridende udvikling og anvendelse af kunstig intelligens medfører dog også udfordringer såsom muligheden for bias på grund af fejlbehæftede træningsdata, bekymringer om privatlivets fred og stigende energiforbrug, som f.eks. Fraunhofer IKS noter. Effektiviteten og de etiske implikationer af AI-teknologier repræsenterer derfor et vigtigt forskningsemne.