我們的大腦不僅僅是神經(jīng)元的總和，因為我們意識和人格的秘密也是腦細胞相互作用的方式。但是這個“連接圖”太復雜了，直到現(xiàn)在似乎都沒有希望詳細解碼。然而，現(xiàn)在研究人員已經(jīng)開始使用人工智能。神經(jīng)網(wǎng)絡——以大腦為模型的計算機程序——應該能幫助我們探索思維器官。
神經(jīng)需要伙伴：雖然單個細胞幾乎無能為力，但神經(jīng)細胞結(jié)合成一個強大的網(wǎng)絡，例如，控制我們的行為。細胞交換關于它們的接觸點和突觸的信息。知道哪些神經(jīng)細胞在何時何地相互連接，有助于理解基本的大腦功能和更高級別的過程，如學習、記憶、意識和神經(jīng)系統(tǒng)疾病。畢竟，研究人員認為，這一切的關鍵在于人腦中大約1000億個細胞的相互連接。然而，要使用這個鍵，需要檢測連接組——大腦中的每個神經(jīng)細胞都有成千上萬個接觸和伙伴細胞。就在幾年前，像這樣的事情似乎完全不可能——至少在合理的時間內(nèi)。一方面，記錄和繪制游絲需要時間，但神經(jīng)細胞之間有許多聯(lián)系。另一方面，即使是最好的計算機算法也太不準確，無法可靠地跟蹤神經(jīng)細胞的過程，也無法遠距離識別突觸。因此，人們?nèi)匀恍枰獢?shù)小時的屏幕工作來識別電子顯微鏡圖像堆棧中的突觸。可靠地跟蹤遠處神經(jīng)細胞的進程，并識別突觸。因此，人們?nèi)匀恍枰獢?shù)小時的屏幕工作來識別電子顯微鏡圖像堆棧中的突觸。可靠地跟蹤遠處神經(jīng)細胞的進程，并識別突觸。因此，人們?nèi)匀恍枰獢?shù)小時的屏幕工作來識別電子顯微鏡圖像堆棧中的突觸。
超微顯微鏡和神經(jīng)網(wǎng)絡作為助手。
然而現(xiàn)在，馬丁斯里德馬克斯普朗克神經(jīng)生物學研究所的科學家已經(jīng)解決了這兩個問題。近年來，他們開發(fā)了染色和顯微鏡方法，在自動化過程中將腦組織樣本轉(zhuǎn)換成3D高分辨率電子顯微鏡圖像。他們最新的顯微鏡被用作原型，在下一個樣品平面被揭開之前，用91束電子束平行掃描樣品表面。這使數(shù)據(jù)采集率提高了50多倍。整個老鼠大腦可以在幾十年內(nèi)被捕獲，而不是幾十年。然而，隨著數(shù)據(jù)的數(shù)字化，這還不夠。接下來，基于該信息，必須完成三維連接網(wǎng)絡的重建。馬克斯普朗克神經(jīng)生物學研究所的約根科費爾德和他的同事們已經(jīng)邁出了這一步。他們用這種方法訓練了幾個人工神經(jīng)網(wǎng)絡，可以大大加速神經(jīng)細胞圖的重建。
人工神經(jīng)網(wǎng)絡是一種可以在我們的大腦模型上工作的學習算法。分層計算節(jié)點協(xié)同工作，可以從實例和經(jīng)驗中學習，并總結(jié)這些知識。該神經(jīng)網(wǎng)絡已成功應用于圖像處理和模式識別?！皼]有辦法用人工網(wǎng)絡來分析真正的神經(jīng)網(wǎng)絡，”科恩菲爾德說。這并不像聽起來那么容易。在幾個月的工作中，科學家們通過所謂的“卷積神經(jīng)網(wǎng)絡”訓練和測試了圖像數(shù)據(jù)中細胞過程、細胞成分和突觸的識別和區(qū)分。由此產(chǎn)生的SyConn網(wǎng)絡現(xiàn)在可以在短暫的學習期后獨立識別這些結(jié)構(gòu)。鳴禽大腦記錄的應用表明，SyConn非常可靠，人為錯誤讀取變得多余。
“這絕對是美妙的，因為錯誤率如此之低，以至于我們沒有預料到，”科恩菲爾德高興而成功地說。對新開發(fā)的人工神經(jīng)網(wǎng)絡來說，一種合理的快樂可以刪除未來神經(jīng)生物學家數(shù)千小時的單調(diào)工作——因此，解密Konnektoms的時間可能會因為多年的意識而縮短。
標簽：
免責聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！