Ένα μοντέλο μεγάλης κλίμακας πρωτογενούς οπτικού φλοιού μπορεί να λύσει με ακρίβεια πολλαπλές εργασίες οπτικής επεξεργασίας

Ένα μοντέλο μεγάλης κλίμακας πρωτογενούς οπτικού φλοιού μπορεί να λύσει με ακρίβεια πολλαπλές εργασίες οπτικής επεξεργασίας

Οι ερευνητές της HBP έχουν εκπαιδεύσει ένα μοντέλο μεγάλης κλίμακας του πρωτεύοντος οπτικού φλοιού του ποντικιού για την επίλυση οπτικών εργασιών με εξαιρετικά ισχυρό τρόπο. Το μοντέλο αποτελεί τη βάση για μια νέα γενιά μοντέλων νευρωνικών δικτύων. Λόγω της ευελιξίας και της ενεργειακά αποδοτικής επεξεργασίας τους, αυτά τα μοντέλα μπορούν να συμβάλουν στην πρόοδο στον νευρομορφικό υπολογισμό.

Η μοντελοποίηση του εγκεφάλου μπορεί να έχει τεράστιο αντίκτυπο στην τεχνητή νοημοσύνη (AI): Δεδομένου ότι ο εγκέφαλος επεξεργάζεται εικόνες πολύ πιο ενεργειακά από τα τεχνητά δίκτυα, οι επιστήμονες εμπνέονται από τη νευροεπιστήμη για να δημιουργήσουν νευρωνικά δίκτυα που λειτουργούν πολύ πιο κοντά στα βιολογικά, εξοικονομώντας ενέργεια.

Υπό αυτή την έννοια, τα νευρωνικά δίκτυα εμπνευσμένα από τον εγκέφαλο είναι πιθανό να έχουν αντίκτυπο στις μελλοντικές τεχνολογίες χρησιμεύοντας ως προσχέδια για οπτική επεξεργασία σε πιο αποδοτικό νευρομορφικό υλικό. Τώρα μια μελέτη από ερευνητές στο Human Brain Project (HBP) στο Τεχνολογικό Πανεπιστήμιο του Γκρατς (Αυστρία) έδειξε πώς ένα μεγάλο μοντέλο που βασίζεται σε δεδομένα μπορεί να αναπαράγει μια σειρά από τις ικανότητες οπτικής επεξεργασίας του εγκεφάλου με ευέλικτο και ακριβή τρόπο. Τα αποτελέσματα δημοσιεύτηκαν στο περιοδικό Science Advances.

Ηλεκτρονικό βιβλίο νευροεπιστήμης

Συγκέντρωση των κορυφαίων συνεντεύξεων, άρθρων και ειδήσεων του περασμένου έτους. Κάντε λήψη ενός αντιγράφου σήμερα

Χρησιμοποιώντας τα πιλοτικά συστήματα PCP στο Jülich Supercomputing Center, που αναπτύχθηκαν σε συνεργασία μεταξύ της HBP και της εταιρείας λογισμικού Nvidia, η ομάδα ανέλυσε ένα βιολογικά λεπτομερές μοντέλο μεγάλης κλίμακας του πρωτεύοντος οπτικού φλοιού του ποντικιού που μπορεί να λύσει πολλαπλές εργασίες οπτικής επεξεργασίας. Αυτό το μοντέλο παρέχει τη μεγαλύτερη ενοποίηση ανατομικών λεπτομερειών και νευροφυσιολογικών δεδομένων που είναι διαθέσιμα επί του παρόντος για την περιοχή του οπτικού φλοιού V1, η οποία είναι η πρώτη περιοχή του φλοιού που λαμβάνει και επεξεργάζεται οπτικές πληροφορίες.

Το μοντέλο είναι κατασκευασμένο με διαφορετική αρχιτεκτονική από τα βαθιά νευρωνικά δίκτυα που χρησιμοποιούνται στην τρέχουσα τεχνητή νοημοσύνη και οι ερευνητές διαπίστωσαν ότι έχει ενδιαφέροντα πλεονεκτήματα όσον αφορά την ταχύτητα εκμάθησης και την οπτική ισχύ επεξεργασίας έναντι των μοντέλων που χρησιμοποιούνται συνήθως για οπτική επεξεργασία στο AI.

Το μοντέλο κατάφερε να λύσει και τις πέντε οπτικές εργασίες που είχε θέσει η ομάδα με υψηλή ακρίβεια. Αυτές οι εργασίες αφορούσαν, για παράδειγμα, την ταξινόμηση εικόνων χειρόγραφων αριθμών ή την αναγνώριση οπτικών αλλαγών σε μια μεγάλη ακολουθία εικόνων. Είναι αξιοσημείωτο ότι το εικονικό μοντέλο πέτυχε την ίδια υψηλή απόδοση με τον εγκέφαλο, ακόμη και όταν οι ερευνητές εξέθεσαν το μοντέλο σε θόρυβο στις εικόνες και στο δίκτυο που δεν είχε συναντήσει κατά τη διάρκεια της εκπαίδευσης.

Ένας λόγος για την ανώτερη στιβαρότητα του μοντέλου - ή την ικανότητά του να αντιμετωπίζει λάθη ή απροσδόκητες εισόδους, όπως ο θόρυβος στις εικόνες - είναι ότι αναπαράγει πολλές χαρακτηριστικές ιδιότητες κωδικοποίησης του εγκεφάλου.

Οι συγγραφείς ανέπτυξαν ένα μοναδικό εργαλείο για τη μελέτη της οπτικής επεξεργασίας και της νευρωνικής κωδικοποίησης σε στυλ εγκεφάλου και περιγράφουν το νέο τους μοντέλο ως «πρωτοφανές παράθυρο στη δυναμική αυτής της περιοχής του εγκεφάλου».

Πηγή:

Έργο ανθρώπινου εγκεφάλου

Αναφορά:

Chen, G., et αϊ. (2022) Ένα μοντέλο μεγάλης κλίμακας βάσει δεδομένων για τον πρωτεύοντα οπτικό φλοιό επιτρέπει την ισχυρή και ευέλικτη οπτική επεξεργασία που μοιάζει με τον εγκέφαλο. Επιστημονικές εξελίξεις. doi.org/10.1126/sciadv.abq7592.

.