Revoliucija per AI: naujas modelis atskleidžia pelės smegenų paslaptis!

Revoliucija per AI: naujas modelis atskleidžia pelės smegenų paslaptis!

Tarptautinė tyrimų grupė, žinoma kaip MICrONS, sukūrė novatoriškus AI modelius, skirtus analizuoti regos dirgiklių nervinį apdorojimą smegenyse. Šie novatoriški rezultatai buvo paskelbti žinomuose mokslo žurnaluose Gamta ir Gamtos komunikacijos paskelbta. Getingeno universitetas aktyviai dalyvauja šiame tyrime, kuris pavadintas „Neuroninės veiklos pamatinis modelis, numato atsaką į naujus stimulų tipus ir anatomiją“ ir parodo modelių gebėjimą mokytis iš didelių duomenų rinkinių.

Šio tyrimo metu buvo ištirta daugiau nei 135 000 nervų ląstelių pelių smegenyse. Sukurtas AI modelis gali patikimai numatyti, kaip neuronai reaguoja į naujus dirgiklius, net jei šie dirgikliai anksčiau buvo nežinomi. Prof. Dr. Fabian Sinz, vienas iš pirmaujančių mokslininkų, pabrėžia, kad modelis gali pateikti tikslesnius atsakymus į įvairius regos dirgiklius. Kitame tyrime išsamiai nagrinėjama regos žievės nervinių ląstelių forma ir struktūra. Šis tyrimas, pavadintas „Neprižiūrimas sužadinamųjų neuronų dendritinės morfologijos žemėlapis pelės regėjimo žievėje“, rodo, kad piramidinės ląstelės pasižymi skysčių perėjimu tarp ląstelių tipų ir neturi aiškiai apibrėžtų tipų.

Išplėstinis tyrimas naudojant mašininį mokymąsi

Norėdami atlikti išsamesnę nervų ląstelių analizę, mokslininkai sukūrė mašininio mokymosi metodą, kuris koduoja šių ląstelių 3D formą. MICrONS projekte dalyvauja daugybė gerbiamų mokslinių tyrimų institucijų, tokių kaip Baylor College of Medicine, Allen Institute for Brain Science ir Prinstono universitetas. Jo metu buvo sukurtas „MICrONS Multi-Area Data Set“, kuris yra didžiausias tokio tipo duomenų rinkinys, surinktas žinduolių smegenyse pagal nervinių ląstelių struktūrą, tinklą ir reakcijos savybes.

Šie skaitmeniniai nervų ląstelių dvyniai sugebėjo sėkmingai numatyti formą ir struktūrą. Įgytos įžvalgos ne tik suteikia gilesnių įžvalgų apie smegenų organizaciją, bet ir gali padėti padaryti neuromokslinius eksperimentus veiksmingesnius. Prieš atliekant tyrimus in vivo, galima atlikti in silico eksperimentus.

Dirbtinio intelekto vaidmuo

Dirbtinis intelektas (DI) – kompiuterių mokslo šaka, nagrinėjanti žmogaus pažinimo gebėjimus imituojančių algoritmų kūrimą. Kaip ir pranešime bpb.de Kaip aprašyta, AI gali analizuoti didelius duomenų kiekius, atpažinti modelius ir gauti iš jų įžvalgų. Amerikos mokslininkų sukurtas terminas AI apibūdina sistemas, kurios atlieka vis sudėtingesnes užduotis, kurios kažkada buvo skirtos žmonėms.

Visų pirma, nuo šeštojo dešimtmečio išsivystė ištisos mokymosi algoritmų klasės, pavyzdžiui, mašininis mokymasis. Šie algoritmai mokomi naudojant didelius duomenų rinkinius, kad būtų galima atpažinti šablonus ir apskaičiuoti tikimybes. Ypatinga forma yra gilusis mokymasis, pagrįstas dirbtiniais neuroniniais tinklais ir tampa vis svarbesnis dėl gebėjimo apdoroti itin sudėtingus duomenų šablonus.

Neuroninius tinklus įkvepia ryšiai tarp nervinių ląstelių žmogaus smegenyse. Šiuos tinklus sudaro duomenų mazgų sluoksniai, sujungti svertiniais ryšiais ir gali atpažinti duomenų šablonus. Šių tinklų mokymas vyksta pakartotinai pateikiant duomenis, o per šiuos procesus jie pagerina jų gebėjimą klasifikuoti ir apdoroti šiuos duomenis.

Tačiau tobulėjantis dirbtinio intelekto kūrimas ir taikymas taip pat kelia iššūkių, pavyzdžiui, dėl klaidingų treniruočių duomenų gali atsirasti šališkumo, susirūpinimas dėl privatumo ir didėjantis energijos suvartojimas, pvz. Fraunhoferis IKS užrašai. Todėl dirbtinio intelekto technologijų efektyvumas ir etinis poveikis yra svarbi mokslinių tyrimų tema.