Q：
機械学習はどのように生物学的ニューロンを観察するのに役立ちますか？そして、なぜこれが混乱型のAIなのですか？
A：機械学習は、人間の脳の活動をモデル化するだけではありません。科学者はML駆動型の技術を使用して、脳自体とこれらのシステムが構築されている個々のニューロンを実際に調べています。
Wiredの記事では、脳を調べて個々のニューロンの特性を実際に特定するための継続的な取り組みについて説明しています。 ライターのRobbie Gonzalezが、今日の機械学習開発の最先端にあるもののいくつかを示す2007年の取り組みについて語っています。
| 無料ダウンロード： 機械学習とその重要性 |
ある意味では、これらのプロジェクトは、教師付き機械学習の労働集約的な性質も示しています。 教師あり機械学習プログラムでは、トレーニングセットのデータには、プロジェクトの成功と正確性の設定を支援するために、慎重にラベルを付ける必要があります。
ゴンザレスは、チームのさまざまなメンバーが集まり、これらのプロジェクトに必要な種類のラベルを取得するために必要な大規模な労力を実行する状況について話します。夏の学生、大学院生、ポスドクの個人、分子神経科学者マーガレットサザーランドのコレクションデータアノテーションがデータセットの準備にどのように役立つかを説明します。 サザーランドが所長を務めた国立神経障害脳卒中研究所は、研究の資金提供者の1人でした。
ディープニューラルネットワークを使用して、サンフランシスコの神経科学者Stephen FinkbeinerとGoogleの一部の専門家が率いるチームは、さまざまな種類の蛍光マーキングタグの有無にかかわらず細胞の画像を観察しました。 この技術は、軸索や樹状突起などのニューロンの個々の部分を調べ、Finkbeinerなどがin silicoラベリングまたはISLと呼ぶプロセスで、さまざまなタイプの細胞を互いに分離しようとしました。
このタイプの研究は、機械学習プロセスを初めて使用する人にとって特に混乱を招く可能性があります。 これは、機械学習と人工知能のアイデアが、人間の脳でニューロンがどのように機能するかのデジタルモデルであるニューラルネットワークに非常に基づいているためです。
生体ニューロン上に構築される人工ニューロンには、重み付き入力のセット、変換関数、および活性化関数があります。 生体ニューロンと同様に、何らかの形式のデータ駆動型入力を受け取り、出力を返します。 科学者がこれらの生物学的にヒントを得たニューラルネットワークを使用して、実際に生物学的なニューロンを見ることができるのは少し皮肉なことです。
ある意味では、再帰技術のうさぎの穴を特定の方法で下るだけでなく、この業界の学習プロセスをスピードアップするのにも役立ちます。また、最終的には、神経科学と電気工学が非常に密接になっているリンクされています。 一部の意見では、偉大なITマインドであるレイ・カーツヴァイルが語る特異点に近づいています。そこでは、人間と機械の間の線が着実にぼやけます。 これらの新しいモデルのすべてがどのように機能するかをよりよく理解するために、科学者がこれらの非常に強力な技術を私たちの世界にどのように適用しているかを見ることが重要です。
