Q:
Bagaimanakah pembelajaran mesin membantu untuk memerhati neuron biologi - dan mengapa ini jenis AI yang membingungkan?
A:Pembelajaran mesin bukan sahaja memodelkan aktiviti otak manusia - saintis juga menggunakan teknologi yang didorong oleh ML untuk benar-benar melihat otak itu sendiri dan neuron individu yang sistem ini dibina.
Ceramah artikel berwayar mengenai usaha berterusan untuk melihat otak dan sebenarnya mengenal pasti sifat-sifat neuron individu. Penulis Robbie Gonzalez bercakap mengenai usaha 2007 yang menggambarkan sebahagian daripada apa yang masih dalam perkembangan terkini pembelajaran mesin hari ini.
| Muat turun Percuma: Pembelajaran Mesin dan Mengapakah Ia Penting |
Dengan cara ini, projek-projek ini juga menunjukkan ciri-ciri mesin pembelajaran yang diawasi dengan intensif. Dalam program pembelajaran mesin yang diselia, data latihan latihan harus dilabel dengan teliti untuk membantu menubuhkan projek untuk kejayaan dan ketepatan.
Gonzalez bercakap tentang situasi di mana pelbagai ahli pasukan berkumpul untuk menjalankan usaha buruh yang besar yang diperlukan untuk mendapatkan jenis pelabelan yang diperlukan oleh projek ini - menggambarkan koleksi pelajar musim panas, pelajar siswazah dan individu pasca doktoral, ahli neurologi molekular Margaret Sutherland menerangkan bagaimana penjelasan data membantu menyediakan set data. Institut Gangguan Neurologi Kebangsaan dan Strok, di mana Sutherland adalah pengarah, adalah salah seorang daripada peniaga kajian.
Menggunakan rangkaian neural yang mendalam, satu pasukan yang diketuai oleh pakar neurosains San Francisco, Stephen Finkbeiner dan beberapa pakar di Google mengamati imej sel dengan dan tanpa pelbagai jenis tanda menandakan pendarfluor. Teknologi ini melihat bahagian individu neuron, seperti akson dan dendrit, dan cuba mengasingkan pelbagai jenis sel dari satu sama lain, dalam proses yang Finkbeiner dan lain-lain dipanggil dalam label silico atau ISL.
Jenis penyelidikan ini boleh mengelirukan mereka yang baru dalam proses pembelajaran mesin. Itu kerana idea pembelajaran mesin dan kecerdasan buatan sangat berasaskan rangkaian saraf, yang merupakan model digital bagaimana neuron berfungsi dalam otak manusia.
Neuron buatan, yang dibina di atas neuron biologi, mempunyai satu set input berwajaran, fungsi transformasi dan fungsi pengaktifan. Begitu juga dengan neuron biologi, ia memerlukan beberapa bentuk input yang didorong oleh data dan menghasilkan output. Jadi agak ironis bahawa saintis boleh menggunakan rangkaian neural yang diilhami secara biologi untuk melihat neuron biologi.
Dalam satu cara, ia berjalan dengan cara tertentu di bawah lubang arnab teknologi rekursif - tetapi ia juga membantu mempercepat proses pembelajaran dalam industri ini - dan ia juga membuktikan kepada kita bahawa pada akhirnya, kejuruteraan dan kejuruteraan elektrik menjadi sangat rapat dikaitkan. Dalam pendapat beberapa, kita mendekati keistimewaan yang dibincangkan oleh minda IT yang hebat Ray Kurzweil di mana garis antara manusia dan mesin akan menjadi kabur. Penting untuk melihat bagaimana saintis menerapkan teknologi yang sangat berkuasa ini ke dunia kita, untuk lebih memahami bagaimana semua model-model baru ini berfungsi.
