Î:
Cum poate învăța mașina să ajute la observarea neuronilor biologici - și de ce este un tip confuz de AI?
A:Învățarea automată nu modelează doar activitatea creierului uman - oamenii de știință folosesc, de asemenea, tehnologii bazate pe ML pentru a privi de fapt creierul în sine și neuronii individuali pe care sunt construite aceste sisteme.
Un articol Wired vorbește despre eforturile continue de a privi creierul și de a identifica de fapt proprietățile neuronilor individuali. Scriitorul Robbie Gonzalez vorbește despre un efort din 2007 care ilustrează o parte din ceea ce este încă în fruntea dezvoltării de învățare a mașinilor astăzi.
| Descărcare gratuită: învățarea mașinii și de ce contează |
Într-un fel, aceste proiecte arată, de asemenea, natura intensivă a forței de muncă a învățării mecanice supravegheate. În programele de învățare automată supravegheată, datele setului de instruire trebuie să fie etichetate cu atenție pentru a ajuta la înființarea proiectului pentru succes și acuratețe.
Gonzalez vorbește despre o situație în care diverși membri ai unei echipe se reunesc pentru a efectua efortul masiv de muncă care este necesar pentru a obține tipul de etichetare de care au nevoie aceste proiecte - care descrie o colecție de studenți de vară, studenți absolvenți și persoane postdoctorale, neuroștiințiatul molecular Margaret Sutherland descrie modul în care adnotarea datelor ajută la pregătirea setului de date. Institutul Național de Tulburări Neurologice și Accident vascular cerebral, din care Sutherland a fost directorul, a fost unul dintre finanțatorii studiului.
Folosind o rețea neurală profundă, o echipă condusă de neurologul de știință din San Francisco, Stephen Finkbeiner și unii dintre experții de la Google au observat imagini cu celule cu și fără diferite tipuri de marcaje florale. Tehnologia a privit părți individuale ale unui neuron, cum ar fi axonii și dendritele și a încercat să izoleze diverse tipuri de celule una de alta, într-un proces pe care Finkbeiner și alții l-au numit în etichetarea silico sau ISL.
Acest tip de cercetare poate fi deosebit de confuz pentru cei nou în procesul de învățare automată. Asta pentru că ideea învățării automate și a inteligenței artificiale se bazează foarte mult pe rețelele neuronale, care sunt ele însele modele digitale ale modului în care funcționează neuronii în creierul uman.
Neuronul artificial, care este construit pe neuronul biologic, are un set de intrări ponderate, o funcție de transformare și o funcție de activare. În mod similar cu neuronii biologici, are o formă de intrare bazată pe date și returnează o ieșire. Deci, este puțin ironic faptul că oamenii de știință pot utiliza aceste rețele neuronale inspirate biologic pentru a privi de fapt neuronii biologici.
Într-un fel, merge într-un anumit fel în gaura iepurelui a tehnologiei recursive - dar ajută, de asemenea, la accelerarea procesului de învățare în această industrie - și ne dovedește, de asemenea, că, în final, neuroștiința și ingineria electrică devin foarte strânse legat. În opinia unora, ne apropiem de singularitatea despre care a vorbit marea minte IT, Ray Kurzweil, unde liniile dintre oameni și mașini vor deveni neclară. Este important să ne uităm la modul în care oamenii de știință aplică aceste tehnologii foarte puternice în lumea noastră, pentru a înțelege mai bine cum funcționează toate aceste noi modele.
