Ein groß angelegtes Modell des primären visuellen Kortex kann mehrere visuelle Verarbeitungsaufgaben genau lösen
HBP-Forscher haben ein groß angelegtes Modell des primären visuellen Kortex der Maus darauf trainiert, visuelle Aufgaben auf äußerst robuste Weise zu lösen. Das Modell bildet die Basis für eine neue Generation neuronaler Netzmodelle. Aufgrund ihrer Vielseitigkeit und energieeffizienten Verarbeitung können diese Modelle zu Fortschritten im neuromorphen Computing beitragen.
Die Modellierung des Gehirns kann einen massiven Einfluss auf die künstliche Intelligenz (KI) haben: Da das Gehirn Bilder viel energieeffizienter verarbeitet als künstliche Netze, lassen sich Wissenschaftler von der Neurowissenschaft inspirieren, um neuronale Netze zu schaffen, die den biologischen wesentlich ähnlicher funktionieren Energie sparen.
In diesem Sinne werden vom Gehirn inspirierte neuronale Netze wahrscheinlich einen Einfluss auf zukünftige Technologien haben, indem sie als Blaupausen für die visuelle Verarbeitung in energieeffizienterer neuromorpher Hardware dienen. Nun zeigte eine Studie von Forschern des Human Brain Project (HBP) der Technischen Universität Graz (Österreich), wie ein großes datenbasiertes Modell eine Reihe von visuellen Verarbeitungsfähigkeiten des Gehirns auf vielseitige und genaue Weise reproduzieren kann. Die Ergebnisse wurden in der Fachzeitschrift Science Advances veröffentlicht.
eBook Neurowissenschaften
Zusammenstellung der Top-Interviews, Artikel und Nachrichten des letzten Jahres. Laden Sie noch heute eine Kopie herunter
Mit Hilfe der PCP-Pilotsysteme am Jülich Supercomputing Centre, die in Zusammenarbeit zwischen dem HBP und dem Softwareunternehmen Nvidia entwickelt wurden, analysierte das Team ein biologisch detailliertes Großmodell des primären visuellen Kortex der Maus, das mehrere visuelle Verarbeitungsaufgaben lösen kann . Dieses Modell bietet die größte Integration anatomischer Details und neurophysiologischer Daten, die derzeit für den visuellen Kortexbereich V1 verfügbar ist, der die erste kortikale Region ist, die visuelle Informationen empfängt und verarbeitet.
Das Modell ist mit einer anderen Architektur aufgebaut als die tiefen neuronalen Netze, die in der aktuellen KI verwendet werden, und die Forscher fanden heraus, dass es interessante Vorteile in Bezug auf die Lerngeschwindigkeit und die visuelle Verarbeitungsleistung gegenüber Modellen hat, die üblicherweise für die visuelle Verarbeitung in der KI verwendet werden.
Das Modell konnte alle fünf vom Team gestellten Sehaufgaben mit hoher Genauigkeit lösen. Bei diesen Aufgaben ging es beispielsweise darum, Bilder von handgeschriebenen Zahlen zu klassifizieren oder visuelle Veränderungen in einer langen Bildfolge zu erkennen. Bemerkenswerterweise erreichte das virtuelle Modell die gleiche hohe Leistung wie das Gehirn, selbst wenn die Forscher das Modell in den Bildern und im Netzwerk einem Rauschen aussetzten, auf das es während des Trainings nicht gestoßen war.
Ein Grund für die überlegene Robustheit des Modells – oder seine Fähigkeit, mit Fehlern oder unerwarteten Eingaben wie dem Rauschen in den Bildern fertig zu werden – ist, dass es mehrere charakteristische Codierungseigenschaften des Gehirns reproduziert.
Die Autoren haben ein einzigartiges Werkzeug zur Untersuchung der visuellen Verarbeitung und neuronalen Codierung im Gehirnstil entwickelt und beschreiben ihr neues Modell als ein „beispielloses Fenster in die Dynamik dieses Gehirnbereichs“.
Quelle:
Referenz:
Chen, G., et al. (2022) Ein datenbasiertes groß angelegtes Modell für den primären visuellen Kortex ermöglicht eine gehirnähnliche robuste und vielseitige visuelle Verarbeitung. Wissenschaftliche Fortschritte. doi.org/10.1126/sciadv.abq7592.
.
