Revoluție prin AI: noul model dezvăluie secretele creierului șoarecelui!

Transparenz: Redaktionell erstellt und geprüft.
Veröffentlicht am

Cercetări internaționale de la Universitatea din Göttingen: modelele AI analizează reacțiile neuronale din creierul șoarecilor - noi descoperiri publicate.

Internationale Forschung an der Uni Göttingen: KI-Modelle analysieren neuronale Reaktionen im Mäusegehirn – neue Erkenntnisse veröffentlicht.
Cercetări internaționale de la Universitatea din Göttingen: modelele AI analizează reacțiile neuronale din creierul șoarecilor - noi descoperiri publicate.

Revoluție prin AI: noul model dezvăluie secretele creierului șoarecelui!

O echipă internațională de cercetare cunoscută sub numele de MICrONS a dezvoltat modele inovatoare de inteligență artificială care vizează analiza procesării neuronale a stimulilor vizuali din creier. Aceste rezultate inovatoare au fost publicate în reviste științifice de renume Natură şi Comunicarea naturii publicat. Universitatea din Göttingen este implicată în mod semnificativ în acest studiu, care se intitulează „Modelul de bază al activității neuronale prezice răspunsul la noi tipuri de stimuli și anatomie” și demonstrează capacitatea modelelor de a învăța din seturi mari de date.

Ca parte a acestui studiu, au fost analizate peste 135.000 de celule nervoase din creierul șoarecelui. Modelul AI dezvoltat poate prezice în mod fiabil modul în care neuronii răspund la noi stimuli, chiar dacă acești stimuli erau necunoscuti anterior. Prof. Dr. Fabian Sinz, unul dintre oamenii de știință de frunte, subliniază că modelul poate oferi răspunsuri mai precise la diverși stimuli vizuali. Un alt studiu de cercetare examinează în detaliu forma și structura celulelor nervoase din cortexul vizual. Acest studiu, intitulat „O hartă nesupravegheată a morfologiei dendritice a neuronilor excitatori în cortexul vizual al șoarecelui”, arată că celulele piramidale prezintă tranziții fluide între tipurile de celule și nu au tipuri clar definite.

Cercetare avansată cu învățare automată

Pentru o analiză mai aprofundată a celulelor nervoase, cercetătorii au dezvoltat o metodă de învățare automată care codifică forma 3D a acestor celule. Proiectul MICrONS implică numeroase instituții de cercetare respectate, cum ar fi Baylor College of Medicine, Allen Institute for Brain Science și Princeton University. În acest sens, a fost creat „Setul de date MICrONS Multi-Area”, care este cel mai mare set de date de acest fel colectat într-un creier de mamifer în ceea ce privește structura, rețelele și proprietățile de reacție ale celulelor nervoase.

Acești gemeni digitali ai celulelor nervoase au reușit să prezică cu succes forma și structura. Perspectivele obținute nu numai că oferă perspective mai profunde asupra organizării creierului, dar ar putea ajuta și la eficientizarea experimentelor neuroștiințifice. Este posibil să se efectueze experimente in silico înainte de a efectua efectiv studii in vivo.

Rolul inteligenței artificiale

Inteligența artificială (IA) este o ramură a informaticii care se ocupă cu dezvoltarea algoritmilor care imită abilitățile cognitive umane. Ca și în raportul de bpb.de După cum este descris, AI poate analiza cantități mari de date, poate recunoaște tipare și poate obține informații din acestea. Termenul AI, inventat de oamenii de știință americani, descrie sisteme care preiau sarcini din ce în ce mai complexe, care erau odată rezervate oamenilor.

În special, clase întregi de algoritmi de învățare, cum ar fi învățarea automată, au evoluat începând cu anii 1950. Acești algoritmi sunt antrenați cu seturi mari de date pentru a recunoaște modele și a calcula probabilități. O formă specială este învățarea profundă, care se bazează pe rețele neuronale artificiale și devine din ce în ce mai importantă datorită capacității sale de a procesa modele de date extrem de complexe.

Rețelele neuronale sunt inspirate de conexiunile dintre celulele nervoase din creierul uman. Aceste rețele constau din straturi de noduri de date legate între ele prin conexiuni ponderate și sunt capabile să recunoască modele în date. Antrenarea acestor rețele are loc prin prezentarea repetată a datelor, iar prin aceste procese ele își îmbunătățesc capacitatea de a clasifica și procesa aceste date.

Cu toate acestea, dezvoltarea și aplicarea în avans a inteligenței artificiale aduce, de asemenea, provocări, cum ar fi posibilitatea de părtinire din cauza datelor de antrenament defectuoase, preocupările legate de confidențialitate și consumul de energie în creștere, cum ar fi Fraunhofer IKS note. Eficiența și implicațiile etice ale tehnologiilor AI reprezintă, prin urmare, un subiect de cercetare important.