Primaarse visuaalse ajukoore suuremahuline mudel suudab täpselt lahendada mitu visuaalse töötlemise ülesannet

Primaarse visuaalse ajukoore suuremahuline mudel suudab täpselt lahendada mitu visuaalse töötlemise ülesannet

HBP teadlased on välja õpetanud hiire esmase visuaalse ajukoore suuremahulise mudeli, et lahendada visuaalseid ülesandeid äärmiselt jõuliselt. Mudel on aluseks uue põlvkonna närvivõrgu mudelitele. Oma mitmekülgsuse ja energiatõhusa töötlemise tõttu võivad need mudelid aidata kaasa neuromorfse andmetöötluse arengule.

Aju modelleerimisel võib olla tohutu mõju tehisintellektile (AI): kuna aju töötleb pilte palju energiasäästlikumalt kui tehisvõrgud, ammutavad teadlased neuroteadusest inspiratsiooni, et luua närvivõrke, mis toimivad palju lähedasemalt bioloogilistele, säästes energiat.

Selles mõttes avaldavad aju inspireeritud närvivõrgud tõenäoliselt mõju tulevikutehnoloogiatele, toimides visuaalse töötlemise kavanditena energiatõhusamas neuromorfses riistvaras. Nüüd näitas Grazi tehnikaülikooli (Austria) Human Brain Project (HBP) teadlaste uuring, kuidas suur andmepõhine mudel suudab mitmekülgselt ja täpselt reprodutseerida mitmesuguseid aju visuaalseid töötlemisvõimeid. Tulemused avaldati ajakirjas Science Advances.

Neuroteaduse e-raamat

Eelmise aasta tippintervjuude, artiklite ja uudiste koostamine. Laadige koopia alla juba täna

Kasutades Jülichi superarvutikeskuse PCP pilootsüsteeme, mis töötati välja HBP ja tarkvarafirma Nvidia koostöös, analüüsis meeskond hiire esmase visuaalse ajukoore bioloogiliselt üksikasjalikku suuremahulist mudelit, mis suudab lahendada mitmeid visuaalse töötlemise ülesandeid. See mudel pakub praegu saadaolevate anatoomiliste detailide ja neurofüsioloogiliste andmete suurimat integratsiooni visuaalse ajukoore piirkonna V1 jaoks, mis on esimene ajukoore piirkond, mis võtab vastu ja töötleb visuaalset teavet.

Mudel on ehitatud teistsuguse arhitektuuriga kui praeguses AI-s kasutatavad sügavad närvivõrgud ning teadlased leidsid, et sellel on õppimiskiiruse ja visuaalse töötlemise võimsuse osas huvitavaid eeliseid tehisintellekti visuaalseks töötlemiseks tavaliselt kasutatavate mudelite ees.

Mudel suutis suure täpsusega lahendada kõik viis meeskonna seatud visuaalset ülesannet. Need ülesanded hõlmasid näiteks käsitsi kirjutatud numbrite kujutiste klassifitseerimist või visuaalsete muutuste äratundmist pikas pildijadas. Märkimisväärne on see, et virtuaalmudel saavutas sama suure jõudluse kui aju, isegi kui teadlased eksponeerisid mudelit piltidel ja võrgus esineva müraga, mida see koolituse ajal polnud kohanud.

Mudeli suurepärase robustsuse või selle võime tulla toime vigade või ootamatute sisenditega, nagu piltidel esinev müra, üks põhjus on see, et see reprodutseerib mitmeid aju iseloomulikke kodeerimisomadusi.

Autorid on välja töötanud ainulaadse tööriista aju tüüpi visuaalse töötlemise ja närvikodeerimise uurimiseks ning kirjeldavad oma uut mudelit kui "enneolematut akent selle ajupiirkonna dünaamikasse".

Allikas:

Inimese aju projekt

Viide:

Chen, G. et al. (2022) Primaarse visuaalse ajukoore andmepõhine suuremahuline mudel võimaldab ajulaadset tugevat ja mitmekülgset visuaalset töötlemist. Teaduse edusammud. doi.org/10.1126/sciadv.abq7592.

.