به گزارش پایگاه خبری ربیع،به تصویر کشیدن ساختار شبکه های بیولوژیکی در سیستم عصبی- یک زمینه تحقیق به نام Connectomics– است که محاسبات فشرده را انجام می‌دهد. مغز انسان حدود ۸۶ میلیارد نورون دارد که از طریق ۱۰۰ تریلیون سیناپس شبکه شده اند و تصویر برداری در هر میلی متر مکعب بافت مغز می تواند بیش از ۱۰۰۰ ترابایت داده را تولید کند.

یک مقاله در همین مورد در مجلات Nature Methods منتشر شده است، و دانشمندان در گوگل و موسسه ماکس پلانک یک شبکه عصبی مجدد را نشان داده اند که یک الگوریتم یادگیری ماشینی که اغلب می تواند در تشخیص دست خط و گفتار برای تجزیه و تحلیل مورد استفاده قرار گیرد.

محققان گوگل اولین افرادی نیستند که برای یادگیری ماشینی از Connectomics استفاده کردند. در ماه مارس نیز اینتل با همکاری موسسه فناوری اطلاعات ماساچوست و آزمایشگاه هوش مصنوعی برای ایجاد تصویر ژن بعدی مغز است. اما آنها ادعا می کنند که مدل خود را با نسبت اندازه با روش های پیشرفته قبلی یادگیری عمیق بهبود بخشیده اند.

این محققان الگوریتم های Edge detector را برای شناسایی مرزهای نوروریست (رشد از بدن نورونها) و همچنین شبکه عصبی کانولوشن معکوس به کار گرفته اند که یک زیر مجموعه از شبکه عصبی مجاور است که با هم یک گروه شده و پیکسل ها را در اسکن تصویر نورون ها برجسته می سازد.

برای پیگیری دقت این روش از تکنیک ERL استفاده کرده است، یک ابزار سنجش که با توجه به یک نقطه تصادفی؛ نورون های تصادفی در یک تصویر سه بعدی مغز ارائه می دهد که چگونگی ردیابی نورون ها را می سنجد. این تیم گزارش داده است که در یک اسکن مغزی از ۱ میلیون مکعب از بافت، مدل بسیار بهتری از الگوریتم های قبلی ایجاد شده است.

با ترکیب این نتایج خودکار هوش مصنوعی با مقدار کمی از تلاش های انسانی مورد نیاز برای رفع خطاهای باقی مانده مورد نیاز است. محققان در موسسه ماکس پلانک اکنون قادر به مطالعه ارتباط میان  songbird connectome برای استخراج دیدگاه های جدید در مورد نحوه ایجاد نظریه های تست مربوط به یادگیری ترانه ها، نوشته ها و نویسندگان گوگل در  این مقاله شده اند.

پژوهش‌های هوش مصنوعی از دو روند مجزا -و در برخی جنبه‌ها، متقابل- پیروی می‌کنند. این دو روند عبارتند از روند Symbolic (یا روش بالا به پایین) و روند Connectionist (یا روش پایین به بالا). روش سیمبولیک تلاش می‌کند تا صرف‌ نظر از ساختار مغز، فقط هوش و ادراک آن از علائم و نمادها (Symboles) را شبیه‌سازی و تقلید نماید، به همین دلیل این روش را Symbolic می‌نامند. روش کانکشنیست که در مقابل روش سیمبولیک قرار دارد، تلاش می‌کند تا با ایجاد شبکه‌های عصبی مصنوعی، ساختار مغز را شبیه‌ سازی نماید و از این روی این روش Connectionist نامیده می‌شود.