據(jù)VentureBeat報(bào)道，在神經(jīng)系統(tǒng)中繪制生物網(wǎng)絡(luò)結(jié)構(gòu)圖(這個(gè)領(lǐng)域被稱(chēng)為連接組學(xué)(connectomics))需要大量的計(jì)算。人類(lèi)大腦中有大約860億個(gè)神經(jīng)元，它們通過(guò)100萬(wàn)億個(gè)突觸連接起來(lái)，對(duì)一立方毫米的組織進(jìn)行成像就可以生成超過(guò)1000TB字節(jié)的數(shù)據(jù)。

　　幸運(yùn)的是，人工智能(AI)可以提供幫助。

　　在《Nature Methods》雜志上發(fā)表的論文中，谷歌和馬克斯-普朗克神經(jīng)生物研究所的科學(xué)家們展示了一種遞歸神經(jīng)網(wǎng)絡(luò)，它是為連接組學(xué)分析量身定做的系統(tǒng)。遞歸神經(jīng)網(wǎng)絡(luò)是一種機(jī)器學(xué)習(xí)算法，經(jīng)常用于手寫(xiě)和語(yǔ)音識(shí)別。

　　谷歌的研究人員并不是第一個(gè)將機(jī)器學(xué)習(xí)應(yīng)用于連接組學(xué)的人。今年3月份，英特爾與麻省理工學(xué)院的計(jì)算機(jī)科學(xué)和人工智能實(shí)驗(yàn)室合作，開(kāi)發(fā)了“下一代”大腦圖像處理流水線。但是谷歌聲稱(chēng)，他們的模型準(zhǔn)確性比以前的深度學(xué)習(xí)技術(shù)有了“數(shù)量級(jí)”的提高。

　　谷歌算法在鳴禽大腦中追蹤3D神經(jīng)突

　　谷歌研究人員使用了一種邊緣檢測(cè)算法，該算法可以識(shí)別神經(jīng)突(神經(jīng)元本體的分支)的邊界，以及一種復(fù)發(fā)性卷積神經(jīng)網(wǎng)絡(luò)(復(fù)發(fā)性神經(jīng)網(wǎng)絡(luò)的一個(gè)子類(lèi))，該神經(jīng)網(wǎng)絡(luò)將神經(jīng)元掃描中的像素聚集起來(lái)并突出顯示出來(lái)。

　　為了跟蹤準(zhǔn)確性，研究團(tuán)隊(duì)開(kāi)發(fā)了“預(yù)期運(yùn)行長(zhǎng)度”(ERL)，這是指標(biāo)在大腦的3D圖像中給隨機(jī)神經(jīng)元一個(gè)隨機(jī)點(diǎn)，然后測(cè)量算法在出錯(cuò)前跟蹤神經(jīng)元的距離。研究小組報(bào)告說(shuō)，在對(duì)100萬(wàn)立方微米的斑胸草雀進(jìn)行腦部掃描后，該模型的表現(xiàn)比之前的算法“要好得多”。

　　谷歌研究員、論文主要作者維倫?賈恩(Viren Jain)和米查爾?詹納斯?jié)删S斯基(Michal Januszewski)表示：“這些自動(dòng)化的結(jié)果結(jié)合少量的額外人力可以幫助解決剩余的錯(cuò)誤，而馬克斯普朗克研究所的研究人員現(xiàn)在可以研究鳴禽大腦的連接組，以獲得斑胸草雀如何鳴唱的新洞見(jiàn)，并測(cè)試它們?nèi)绾螌W(xué)習(xí)鳴唱的理論?！?/p>

　　除了論文之外，這個(gè)研究團(tuán)隊(duì)還在Github上發(fā)布了模型的TensorFlow代碼，以及他們用來(lái)可視化數(shù)據(jù)集和改進(jìn)重構(gòu)結(jié)果的WebGL 3D軟件。他們計(jì)劃未來(lái)繼續(xù)改進(jìn)這個(gè)系統(tǒng)，目標(biāo)是使突觸解析過(guò)程完全自動(dòng)化，并“為馬克斯普朗克研究所和其他機(jī)構(gòu)的項(xiàng)目做出貢獻(xiàn)”。