Veliki model primarnog vidnog korteksa može točno riješiti više zadataka vizualne obrade

Veliki model primarnog vidnog korteksa može točno riješiti više zadataka vizualne obrade

Istraživači HBP-a uvježbali su veliki model mišjeg primarnog vizualnog korteksa za rješavanje vizualnih zadataka na iznimno robustan način. Model čini osnovu za novu generaciju modela neuronskih mreža. Zbog svoje svestranosti i energetski učinkovite obrade, ovi modeli mogu doprinijeti napretku u neuromorfnom računalstvu.

Modeliranje mozga može imati ogroman utjecaj na umjetnu inteligenciju (AI): Budući da mozak obrađuje slike energetski puno učinkovitije od umjetnih mreža, znanstvenici crpe inspiraciju iz neuroznanosti kako bi stvorili neuronske mreže koje funkcioniraju mnogo bliže biološkim, štedeći energiju.

U tom smislu, neuronske mreže inspirirane mozgom vjerojatno će imati utjecaj na buduće tehnologije služeći kao nacrti za vizualnu obradu u energetski učinkovitijem neuromorfnom hardveru. Studija istraživača na Projektu ljudskog mozga (HBP) na Tehnološkom sveučilištu u Grazu (Austrija) pokazala je kako veliki model temeljen na podacima može reproducirati niz sposobnosti vizualne obrade mozga na svestran i točan način. Rezultati su objavljeni u časopisu Science Advances.

E-knjiga o neuroznanosti

Kompilacija najboljih intervjua, članaka i vijesti iz prošle godine. Preuzmite kopiju danas

Koristeći PCP pilot sustave u Jülich Supercomputing Centru, razvijene u suradnji između HBP-a i softverske tvrtke Nvidia, tim je analizirao biološki detaljan veliki model primarnog vidnog korteksa miša koji može riješiti višestruke zadatke vizualne obrade. Ovaj model pruža najveću integraciju anatomskih detalja i neurofizioloških podataka trenutno dostupnih za vidno područje korteksa V1, koje je prvo kortikalno područje koje prima i obrađuje vizualne informacije.

Model je izgrađen s drugačijom arhitekturom od dubokih neuronskih mreža koje se koriste u trenutnoj umjetnoj inteligenciji, a istraživači su otkrili da ima zanimljive prednosti u pogledu brzine učenja i snage vizualne obrade u odnosu na modele koji se obično koriste za vizualnu obradu u umjetnoj inteligenciji.

Model je uspio riješiti svih pet vizualnih zadataka koje je postavio tim s visokom točnošću. Ti su zadaci uključivali, na primjer, klasificiranje slika rukom napisanih brojeva ili prepoznavanje vizualnih promjena u dugom nizu slika. Nevjerojatno je da je virtualni model postigao iste visoke performanse kao i mozak, čak i kada su istraživači model izložili šumovima na slikama i mreži s kojima se nije susreo tijekom obuke.

Jedan od razloga superiorne robusnosti modela - ili njegove sposobnosti da se nosi s pogreškama ili neočekivanim unosima kao što je šum na slikama - je taj što reproducira nekoliko karakterističnih svojstava kodiranja mozga.

Autori su razvili jedinstveni alat za proučavanje vizualne obrade i neuralnog kodiranja u stilu mozga i svoj novi model opisuju kao "prozor bez presedana u dinamiku ovog područja mozga".

Izvor:

Projekt ljudskog mozga

Referenca:

Chen, G. i sur. (2022.) Veliki model temeljen na podacima za primarni vizualni korteks omogućuje robusnu i svestranu vizualnu obradu sličnu mozgu. Znanstveni napredak. doi.org/10.1126/sciadv.abq7592.

.