D:
In che modo l'apprendimento automatico può aiutare ad osservare i neuroni biologici - e perché questo è un tipo confuso di IA?
UN:L'apprendimento automatico non si limita a modellare l'attività del cervello umano, ma gli scienziati stanno anche utilizzando tecnologie basate sull'ML per esaminare effettivamente il cervello stesso e i singoli neuroni su cui sono basati questi sistemi.
Un articolo su Wired parla degli sforzi in corso per esaminare il cervello e identificare effettivamente le proprietà dei singoli neuroni. Lo scrittore Robbie Gonzalez parla di uno sforzo del 2007 che illustra alcuni degli elementi ancora oggi all'avanguardia nello sviluppo dell'apprendimento automatico.
| Download gratuito: Machine Learning e perché è importante |
In un certo senso, questi progetti mostrano anche la natura ad alta intensità di lavoro dell'apprendimento automatico supervisionato. Nei programmi di apprendimento automatico supervisionato, i dati del set di addestramento devono essere accuratamente etichettati per aiutare a impostare il progetto per il successo e l'accuratezza.
Gonzalez parla di una situazione in cui vari membri di una squadra si riuniscono per portare a termine l'imponente sforzo lavorativo necessario per ottenere il tipo di etichettatura di cui hanno bisogno questi progetti - descrivendo una raccolta di studenti estivi, laureati e individui post-dottorato, la neuroscienziata molecolare Margaret Sutherland descrive come l'annotazione dei dati aiuta a preparare il set di dati. L'Istituto Nazionale di Disturbi Neurologici e Ictus, di cui Sutherland era il direttore, è stato uno dei finanziatori dello studio.
Usando una rete neurale profonda, un team guidato dal neuroscienziato San Francisco Stephen Finkbeiner e alcuni degli esperti di Google hanno osservato immagini di cellule con e senza vari tipi di tag di marcatura fluorescente. La tecnologia ha esaminato le singole parti di un neurone, come assoni e dendriti, e ha cercato di isolare i vari tipi di cellule l'una dall'altra, in un processo che Finkbeiner e altri hanno chiamato in silico o ISL.
Questo tipo di ricerca può essere particolarmente confuso per coloro che non conoscono il processo di apprendimento automatico. Questo perché l'idea dell'apprendimento automatico e dell'intelligenza artificiale si basa fortemente su reti neurali, che sono esse stesse modelli digitali di come i neuroni lavorano nel cervello umano.
Il neurone artificiale, che è costruito sul neurone biologico, ha una serie di input ponderati, una funzione di trasformazione e una funzione di attivazione. Analogamente ai neuroni biologici, assume una qualche forma di input basati sui dati e restituisce un output. Quindi è un po 'ironico che gli scienziati possano usare queste reti neurali di ispirazione biologica per esaminare realmente i neuroni biologici.
In un certo senso, scende in un certo senso nella tana del coniglio della tecnologia ricorsiva - ma aiuta anche ad accelerare il processo di apprendimento in questo settore - e ci dimostra anche che alla fine la neuroscienza e l'ingegneria elettrica stanno diventando molto simili linked. Secondo alcuni, ci stiamo avvicinando alla singolarità di cui parla la grande mente IT Ray Kurzweil, dove le linee tra uomo e macchina diventeranno costantemente confuse. È importante vedere come gli scienziati stanno applicando queste tecnologie molto potenti al nostro mondo, per capire meglio come funzionano tutti questi nuovi modelli.
