P:
Kako strojno učenje može pomoći u promatranju bioloških neurona - i zašto je ovo zbunjujući tip AI?
A:Strojno učenje ne samo modelira ljudske moždane aktivnosti - znanstvenici također koriste ML-ove tehnologije da bi zapravo pregledali mozak i pojedine neurone na kojima su izgrađeni ovi sustavi.
Članak o Wiredu govori o stalnim naporima da se pogleda u mozak i zapravo identificiraju svojstva pojedinih neurona. Pisac Robbie Gonzalez govori o nastojanju iz 2007. godine koje ilustrira neke stvari koje su i danas na vrhunskim potezima razvoja strojnog učenja.
| Besplatno preuzimanje: Strojno učenje i zašto je to važno |
Na neki način ti projekti također pokazuju radno intenzivnu prirodu nadziranog strojnog učenja. U nadziranim programima strojnog učenja podaci skupa za obuku moraju biti pažljivo označeni kako bi se pomoglo u postavljanju projekta za uspjeh i točnost.
Gonzalez govori o situaciji u kojoj se različiti članovi tima okupljaju kako bi izvršili ogroman napor rada koji je potreban za dobivanje takve oznake koja je potrebna ovim projektima - opisujući kolekciju ljetnih studenata, postdiplomaca i postdoktorskih pojedinaca, molekularnu neuroznanstvenicu Margaret Sutherland opisuje kako bilješka podataka pomaže u pripremi skupa podataka. Nacionalni institut za neurološke poremećaje i moždani udar, čiji je direktor bio Sutherland, bio je jedan od pokretača studije.
Pomoću duboke neuronske mreže, tim na čelu s neuroznanstvenicom iz San Francisca Stephenom Finkbeinerom i nekim stručnjacima iz Googlea promatrao je slike stanica sa i bez raznih vrsta florescentnih oznaka. Tehnologija je gledala na pojedine dijelove neurona, poput aksona i dendrita, i pokušala je izolirati različite vrste stanica jedna od druge, u procesu koji su Finkbeiner i drugi nazvali silikonskim označavanjem ili ISL.
Ova vrsta istraživanja može biti posebno zbunjujuća za one koji su novi u procesu strojnog učenja. To je zato što se ideja strojnog učenja i umjetne inteligencije visoko temelji na neuronskim mrežama, koje su i sami digitalni modeli rada neurona u ljudskom mozgu.
Umjetni neuron, koji je izgrađen na biološkom neuronu, ima skup ponderiranih ulaza, transformacijsku funkciju i aktivacijsku funkciju. Slično kao i biološki neuroni, on ima oblik unosa podataka i vraća izlaz. Stoga je pomalo ironično da znanstvenici mogu pomoću ovih biološki nadahnutih neuronskih mreža zapravo pregledati biološke neurone.
Na neki način to ide određenim putem do zečje rupe rekurzivne tehnologije - ali također pomaže ubrzavanju procesa učenja u ovoj industriji - a također nam dokazuje da na kraju neuroznanost i elektrotehnika postaju vrlo bliski povezane. Prema mišljenju nekih, približavamo se jedinstvenosti o kojoj je govorio veliki IT um Ray Kurzweil gdje će linije između ljudi i strojeva postajati neprestano zamagljene. Važno je pogledati kako znanstvenici primjenjuju te vrlo moćne tehnologije u našem svijetu, kako bi bolje razumjeli kako svi ti novi modeli funkcioniraju.
