Q:
Wie kann maschinelles Lernen helfen, biologische Neuronen zu beobachten - und warum ist dies eine verwirrende Art von KI?
EIN:Maschinelles Lernen modelliert nicht nur die Aktivität des menschlichen Gehirns - Wissenschaftler verwenden auch ML-gesteuerte Technologien, um das Gehirn selbst und die einzelnen Neuronen, auf denen diese Systeme aufbauen, tatsächlich zu untersuchen.
In einem Artikel über Wired wird über die laufenden Bemühungen gesprochen, das Gehirn zu untersuchen und die Eigenschaften einzelner Neuronen zu identifizieren. Der Autor Robbie Gonzalez spricht über ein Projekt aus dem Jahr 2007, das einen Teil dessen veranschaulicht, was heute noch auf dem neuesten Stand der maschinellen Lernentwicklung ist.
Kostenloser Download: Maschinelles Lernen und warum es wichtig ist |
In gewisser Weise zeigen diese Projekte auch den arbeitsintensiven Charakter des überwachten maschinellen Lernens. In überwachten maschinellen Lernprogrammen müssen die Trainingssatzdaten sorgfältig gekennzeichnet werden, um das Projekt für Erfolg und Genauigkeit einzurichten.
Gonzalez spricht über eine Situation, in der sich verschiedene Mitglieder eines Teams zusammenfinden, um den enormen Arbeitsaufwand zu bewältigen, der erforderlich ist, um die für diese Projekte erforderliche Kennzeichnung zu erhalten. Er beschreibt eine Sammlung von Sommerstudenten, Doktoranden und Postdoktoranden sowie die molekulare Neurowissenschaftlerin Margaret Sutherland beschreibt, wie die Datenanmerkung bei der Vorbereitung des Datensatzes hilft. Das Nationale Institut für neurologische Erkrankungen und Schlaganfälle, dessen Direktor Sutherland war, war einer der Geldgeber der Studie.
Mithilfe eines tiefen neuronalen Netzwerks beobachtete ein Team unter der Leitung des San Franciscoer Neurowissenschaftlers Stephen Finkbeiner und einiger Experten von Google Bilder von Zellen mit und ohne verschiedene Arten von fluoreszierenden Markierungen. Die Technologie untersuchte einzelne Teile eines Neurons wie Axone und Dendriten und versuchte, verschiedene Zelltypen voneinander zu isolieren. Dies wurde von Finkbeiner und anderen als silico labelling oder ISL bezeichnet.
Diese Art der Forschung kann besonders für diejenigen verwirrend sein, die mit dem maschinellen Lernprozess noch nicht vertraut sind. Das liegt daran, dass die Idee des maschinellen Lernens und der künstlichen Intelligenz in hohem Maße auf neuronalen Netzen basiert, die selbst digitale Modelle der Funktionsweise von Neuronen im menschlichen Gehirn sind.
Das künstliche Neuron, das auf dem biologischen Neuron aufgebaut ist, hat eine Reihe von gewichteten Eingaben, eine Transformationsfunktion und eine Aktivierungsfunktion. Ähnlich wie bei biologischen Neuronen werden datengesteuerte Eingaben verwendet und eine Ausgabe zurückgegeben. Es ist ein bisschen ironisch, dass Wissenschaftler diese biologisch inspirierten neuronalen Netze verwenden können, um tatsächlich biologische Neuronen zu untersuchen.
In gewisser Weise geht es ein Stück den Hasen vor der rekursiven Technologie entlang - aber es hilft auch, den Lernprozess in dieser Branche zu beschleunigen - und es zeigt uns auch, dass Neurowissenschaften und Elektrotechnik am Ende sehr eng zusammenwachsen verknüpft. Nach Meinung einiger nähern wir uns der Singularität, von der der große IT-Kopf Ray Kurzweil spricht, und die die Grenzen zwischen Mensch und Maschine stetig verwischen wird. Es ist wichtig zu untersuchen, wie Wissenschaftler diese sehr leistungsstarken Technologien auf unsere Welt anwenden, um besser zu verstehen, wie all diese neuen Modelle funktionieren.