Revolusjon gjennom AI: Ny modell avslører hemmelighetene til musehjernen!

Revolusjon gjennom AI: Ny modell avslører hemmelighetene til musehjernen!

Et internasjonalt forskerteam kjent som MICrONS har utviklet innovative AI-modeller rettet mot å analysere den nevrale behandlingen av visuelle stimuli i hjernen. Disse banebrytende resultatene ble publisert i anerkjente vitenskapelige tidsskrifter Natur og Naturkommunikasjon publisert. Universitetet i Göttingen er betydelig involvert i denne studien, som har tittelen "Foundation Model of Neural Activity Predicts Response to New Stimulus Types and Anatomy" og demonstrerer modellens evne til å lære av store datasett.

Som en del av denne studien ble over 135 000 nerveceller i musehjernen analysert. Den utviklede AI-modellen kan pålitelig forutsi hvordan nevroner reagerer på nye stimuli, selv om disse stimuli tidligere var ukjente. Prof. Dr. Fabian Sinz, en av de ledende forskerne, fremhever at modellen kan gi mer nøyaktige svar på ulike visuelle stimuli. En annen forskningsstudie undersøker i detalj formen og strukturen til nerveceller i synsbarken. Denne studien, med tittelen "Et uovervåket kart over eksitatoriske nevroners dendritiske morfologi i musens visuelle cortex," viser at pyramidale celler viser flytende overganger mellom celletyper og ikke har klart definerte typer.

Avansert forskning med maskinlæring

For en mer dyptgående analyse av nervecellene har forskerne utviklet en maskinlæringsmetode som koder for 3D-formen til disse cellene. MICrONS-prosjektet involverer en rekke respekterte forskningsinstitusjoner som Baylor College of Medicine, Allen Institute for Brain Science og Princeton University. I løpet av dette ble «MICrONS Multi-Area Data Set» laget, som er det største datasettet i sitt slag som er samlet inn i en pattedyrhjerne når det gjelder struktur, nettverk og reaksjonsegenskaper til nervecellene.

Disse digitale tvillingene av nerveceller var i stand til å forutsi formen og strukturen. Den oppnådde innsikten gir ikke bare dypere innsikt i organiseringen av hjernen, men kan også bidra til å gjøre nevrovitenskapelige eksperimenter mer effektive. Det er mulig å utføre i silico-eksperimenter før man faktisk utfører in vivo-studier.

Rollen til kunstig intelligens

Kunstig intelligens (AI) er en gren av informatikk som omhandler utvikling av algoritmer som imiterer menneskelige kognitive evner. Som i rapporten av bpb.de Som beskrevet kan AI analysere store mengder data, gjenkjenne mønstre og få innsikt fra dem. Begrepet AI, laget av amerikanske forskere, beskriver systemer som tar på seg stadig mer komplekse oppgaver som en gang var forbeholdt mennesker.

Spesielt har hele klasser av læringsalgoritmer, som maskinlæring, utviklet seg siden 1950-tallet. Disse algoritmene er trent med store datasett for å gjenkjenne mønstre og beregne sannsynligheter. En spesiell form er dyp læring, som er basert på kunstige nevrale nettverk og blir stadig viktigere på grunn av dens evne til å behandle ekstremt komplekse datamønstre.

Nevrale nettverk er inspirert av forbindelsene mellom nerveceller i den menneskelige hjernen. Disse nettverkene består av lag med datanoder koblet sammen med vektede forbindelser og er i stand til å gjenkjenne mønstre i data. Trening av disse nettverkene skjer gjennom gjentatt presentasjon av data, og gjennom disse prosessene forbedrer de sin evne til å klassifisere og behandle disse dataene.

Imidlertid bringer den fremadskridende utviklingen og anvendelsen av AI også utfordringer som muligheten for skjevhet på grunn av feil treningsdata, personvernhensyn og økende energiforbruk, som f.eks. Fraunhofer IKS notater. Effektiviteten og de etiske implikasjonene av AI-teknologier representerer derfor et viktig forskningstema.