Q:
Comment l'apprentissage automatique peut-il aider à observer les neurones biologiques - et pourquoi est-ce un type d'IA déroutant?
UNE:L'apprentissage automatique ne modélise pas seulement l'activité du cerveau humain - les scientifiques utilisent également des technologies basées sur le ML pour regarder le cerveau lui-même et les neurones individuels sur lesquels ces systèmes sont construits.
Un article de Wired parle des efforts en cours pour examiner le cerveau et identifier les propriétés des neurones individuels. L'écrivain Robbie Gonzalez parle d'un effort de 2007 qui illustre certains de ce qui est encore à la pointe du développement de l'apprentissage automatique aujourd'hui.
| Téléchargement gratuit: apprentissage automatique et pourquoi c'est important |
D'une certaine manière, ces projets montrent également la nature à forte intensité de main-d'œuvre de l'apprentissage automatique supervisé. Dans les programmes d'apprentissage automatique supervisé, les données de l'ensemble de formation doivent être soigneusement étiquetées afin d'aider à mettre en place le projet pour le succès et la précision.
Gonzalez parle d'une situation où divers membres d'une équipe se réunissent pour effectuer l'effort de travail massif qui est nécessaire pour obtenir le type d'étiquetage dont ces projets ont besoin - décrivant une collection d'étudiants d'été, d'étudiants diplômés et de personnes postdoctorales, la neuroscientifique moléculaire Margaret Sutherland décrit comment l'annotation des données aide à préparer l'ensemble de données. L'Institut national des troubles neurologiques et des accidents vasculaires cérébraux, dont Sutherland était le directeur, a été l'un des bailleurs de fonds de l'étude.
À l'aide d'un réseau neuronal profond, une équipe dirigée par le neuroscientifique de San Francisco Stephen Finkbeiner et certains des experts de Google ont observé des images de cellules avec et sans divers types d'étiquettes de marquage fluorescent. La technologie a examiné des parties individuelles d'un neurone, comme les axones et les dendrites, et a essayé d'isoler divers types de cellules les unes des autres, dans un processus que Finkbeiner et d'autres ont appelé étiquetage in silico ou ISL.
Ce type de recherche peut être particulièrement déroutant pour ceux qui sont nouveaux dans le processus d'apprentissage automatique. En effet, l'idée de l'apprentissage automatique et de l'intelligence artificielle est fortement basée sur les réseaux de neurones, qui sont eux-mêmes des modèles numériques du fonctionnement des neurones dans le cerveau humain.
Le neurone artificiel, qui est construit sur le neurone biologique, possède un ensemble d'entrées pondérées, une fonction de transformation et une fonction d'activation. Comme pour les neurones biologiques, il prend une forme quelconque d'entrées basées sur les données et renvoie une sortie. Il est donc un peu ironique que les scientifiques puissent utiliser ces réseaux de neurones d'inspiration biologique pour examiner les neurones biologiques.
D'une certaine manière, cela va dans une certaine mesure dans le lapin de la technologie récursive - mais cela contribue également à accélérer le processus d'apprentissage dans cette industrie - et cela nous prouve également qu'en fin de compte, les neurosciences et le génie électrique deviennent de plus en plus étroitement lié. De l'avis de certains, nous approchons de la singularité dont parle le grand esprit informatique Ray Kurzweil, où les frontières entre les humains et les machines deviendront de plus en plus floues. Il est important de voir comment les scientifiques appliquent ces technologies très puissantes à notre monde, pour mieux comprendre comment fonctionnent tous ces nouveaux modèles.
