我們的大腦不僅僅是神經(jīng)元的總和，因?yàn)槲覀円庾R和人格的秘密也是腦細(xì)胞相互作用的方式。但是這個“連接圖”太復(fù)雜了，直到現(xiàn)在似乎都沒有希望詳細(xì)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(luò)——以大腦為模型的計(jì)算機(jī)程序——應(yīng)該能幫助我們探索思維器官。
神經(jīng)需要伙伴：雖然單個細(xì)胞幾乎無能為力，但神經(jīng)細(xì)胞結(jié)合成一個強(qiáng)大的網(wǎng)絡(luò)，例如，控制我們的行為。細(xì)胞交換關(guān)于它們的接觸點(diǎn)和突觸的信息。知道哪些神經(jīng)細(xì)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(xué)習(xí)、記憶、意識和神經(jīng)系統(tǒng)疾病。畢竟，研究人員認(rèn)為，這一切的關(guān)鍵在于人腦中大約1000億個細(xì)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(xì)胞都有成千上萬個接觸和伙伴細(xì)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(xì)胞之間有許多聯(lián)系。另一方面，即使是最好的計(jì)算機(jī)算法也太不準(zhǔn)確，無法可靠地跟蹤神經(jīng)細(xì)胞的過程，也無法遠(yuǎn)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?？煽康馗欉h(yuǎn)處神經(jīng)細(xì)胞的進(jìn)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?？煽康馗欉h(yuǎn)處神經(jīng)細(xì)胞的進(jìn)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(luò)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(xué)研究所的科學(xué)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(luò)的重建。馬克斯普朗克神經(jīng)生物學(xué)研究所的約根科費(fèi)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(xùn)練了幾個人工神經(jīng)網(wǎng)絡(luò)，可以大大加速神經(jīng)細(xì)胞圖的重建。
人工神經(jīng)網(wǎng)絡(luò)是一種可以在我們的大腦模型上工作的學(xué)習(xí)算法。分層計(jì)算節(jié)點(diǎn)協(xié)同工作，可以從實(shí)例和經(jīng)驗(yàn)中學(xué)習(xí)，并總結(jié)這些知識。該神經(jīng)網(wǎng)絡(luò)已成功應(yīng)用于圖像處理和模式識別?！皼]有辦法用人工網(wǎng)絡(luò)來分析真正的神經(jīng)網(wǎng)絡(luò)，”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(xué)家們通過所謂的“卷積神經(jīng)網(wǎng)絡(luò)”訓(xùn)練和測試了圖像數(shù)據(jù)中細(xì)胞過程、細(xì)胞成分和突觸的識別和區(qū)分。由此產(chǎn)生的SyConn網(wǎng)絡(luò)現(xiàn)在可以在短暫的學(xué)習(xí)期后獨(dú)立識別這些結(jié)構(gòu)。鳴禽大腦記錄的應(yīng)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?yàn)殄e誤率如此之低，以至于我們沒有預(yù)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(luò)來說，一種合理的快樂可以刪除未來神經(jīng)生物學(xué)家數(shù)千小時的單調(diào)工作——因此，解密Konnektoms的時間可能會因?yàn)槎嗄甑囊庾R而縮短。
標(biāo)簽：
免責(zé)聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！