Revolutie door AI: nieuw model onthult geheimen van het muizenbrein!

Revolutie door AI: nieuw model onthult geheimen van het muizenbrein!

Een internationaal onderzoeksteam bekend als MICrONS heeft innovatieve AI-modellen ontwikkeld die gericht zijn op het analyseren van de neurale verwerking van visuele stimuli in de hersenen. Deze baanbrekende resultaten zijn gepubliceerd in gerenommeerde wetenschappelijke tijdschriften Natuur En Natuurcommunicatie gepubliceerd. De Universiteit van Göttingen is aanzienlijk betrokken bij deze studie, getiteld “Foundation Model of Neural Activity Predicts Response to New Stimulus Types and Anatomy” en demonstreert het vermogen van modellen om te leren van grote datasets.

Als onderdeel van deze studie werden meer dan 135.000 zenuwcellen in de hersenen van muizen geanalyseerd. Het ontwikkelde AI-model kan op betrouwbare wijze voorspellen hoe neuronen reageren op nieuwe stimuli, zelfs als deze stimuli voorheen onbekend waren. Prof. Dr. Fabian Sinz, een van de vooraanstaande wetenschappers, benadrukt dat het model nauwkeurigere reacties op verschillende visuele stimuli kan bieden. Een ander onderzoek onderzoekt in detail de vorm en structuur van zenuwcellen in de visuele cortex. Deze studie, getiteld “An unsupervised map of excitatory neurons’ dendritic morphology in the mouse visual cortex”, laat zien dat piramidale cellen vloeiende overgangen tussen celtypen vertonen en geen duidelijk gedefinieerde typen hebben.

Geavanceerd onderzoek met machine learning

Voor een diepgaandere analyse van de zenuwcellen hebben de onderzoekers een machine learning-methode ontwikkeld die de 3D-vorm van deze cellen codeert. Bij het MICrONS-project zijn tal van gerespecteerde onderzoeksinstellingen betrokken, zoals Baylor College of Medicine, het Allen Institute for Brain Science en Princeton University. In de loop hiervan werd de “MICrONS Multi-Area Data Set” gecreëerd, de grootste dataset in zijn soort verzameld in de hersenen van zoogdieren in termen van structuur, netwerk- en reactie-eigenschappen van de zenuwcellen.

Deze digitale tweelingen van zenuwcellen konden met succes de vorm en structuur voorspellen. De opgedane inzichten bieden niet alleen diepere inzichten in de organisatie van de hersenen, maar kunnen ook helpen neurowetenschappelijke experimenten efficiënter te maken. Het is mogelijk om in silico-experimenten uit te voeren voordat daadwerkelijk in vivo studies worden uitgevoerd.

De rol van kunstmatige intelligentie

Kunstmatige intelligentie (AI) is een tak van de computerwetenschappen die zich bezighoudt met de ontwikkeling van algoritmen die menselijke cognitieve vaardigheden imiteren. Zoals in het rapport van bpb.de Zoals beschreven kan AI grote hoeveelheden data analyseren, patronen herkennen en daaruit inzichten halen. De term AI, bedacht door Amerikaanse wetenschappers, beschrijft systemen die steeds complexere taken op zich nemen die ooit voorbehouden waren aan mensen.

Met name hele klassen van leeralgoritmen, zoals machinaal leren, zijn sinds de jaren vijftig geëvolueerd. Deze algoritmen worden getraind met grote datasets om patronen te herkennen en kansen te berekenen. Een bijzondere vorm is deep learning, dat gebaseerd is op kunstmatige neurale netwerken en steeds belangrijker wordt vanwege het vermogen om extreem complexe datapatronen te verwerken.

Neurale netwerken zijn geïnspireerd op de verbindingen tussen zenuwcellen in het menselijk brein. Deze netwerken bestaan ​​uit lagen dataknooppunten die met elkaar zijn verbonden door gewogen verbindingen en zijn in staat patronen in data te herkennen. Het trainen van deze netwerken vindt plaats door herhaalde presentatie van gegevens, en door deze processen verbeteren ze hun vermogen om deze gegevens te classificeren en te verwerken.

De voortschrijdende ontwikkeling en toepassing van AI brengt echter ook uitdagingen met zich mee, zoals de mogelijkheid van vooringenomenheid als gevolg van gebrekkige trainingsgegevens, privacyproblemen en een toenemend energieverbruik, zoals Fraunhofer IKS notities. De efficiëntie en ethische implicaties van AI-technologieën vertegenwoordigen daarom een ​​belangrijk onderzoeksonderwerp.