Didelio masto pirminės regos žievės modelis gali tiksliai išspręsti kelias vizualinio apdorojimo užduotis

Didelio masto pirminės regos žievės modelis gali tiksliai išspręsti kelias vizualinio apdorojimo užduotis

HBP mokslininkai parengė didelio masto pelės pirminės regos žievės modelį, kad vizualines užduotis išspręstų itin tvirtai. Šis modelis sudaro naujos kartos neuroninių tinklų modelių pagrindą. Dėl savo universalumo ir energiją taupančio apdorojimo šie modeliai gali prisidėti prie neuromorfinio skaičiavimo pažangos.

Smegenų modeliavimas gali turėti didžiulį poveikį dirbtiniam intelektui (AI): kadangi smegenys vaizdus apdoroja daug efektyviau nei dirbtiniai tinklai, mokslininkai semiasi įkvėpimo iš neurologijos kurdami neuroninius tinklus, kurie veikia daug artimiau biologiniams ir taupo energiją.

Šia prasme smegenų įkvėpti neuroniniai tinklai greičiausiai turės įtakos ateities technologijoms, nes jie bus vizualinio apdorojimo planai efektyvesnėje neuromorfinėje aparatinėje įrangoje. Graco technologijos universiteto (Austrija) Human Brain Project (HBP) mokslininkų atliktas tyrimas parodė, kaip didelis duomenimis pagrįstas modelis gali įvairiapusiškai ir tiksliai atkurti įvairius smegenų vizualinio apdorojimo gebėjimus. Rezultatai buvo paskelbti žurnale Science Advances.

Neurologijos e-knyga

Populiariausių praėjusių metų interviu, straipsnių ir naujienų rinkinys. Atsisiųskite kopiją šiandien

Naudodama PCP bandomąsias sistemas Jülich superkompiuterių centre, sukurtas bendradarbiaujant HBP ir programinės įrangos įmonei Nvidia, komanda išanalizavo biologiškai detalų didelio masto pirminės pelės regos žievės modelį, galintį išspręsti kelias vizualinio apdorojimo užduotis. Šis modelis suteikia didžiausią šiuo metu turimų vizualinės žievės srities V1 anatominių detalių ir neurofiziologinių duomenų integraciją, kuri yra pirmoji žievės sritis, kuri gauna ir apdoroja vaizdinę informaciją.

Modelis sukurtas naudojant kitokią architektūrą nei dabartiniame AI naudojami gilieji neuroniniai tinklai, ir mokslininkai nustatė, kad jis turi įdomių pranašumų mokymosi greičio ir vaizdo apdorojimo galios požiūriu, palyginti su modeliais, paprastai naudojamais vaizdiniam apdorojimui AI.

Modelis sugebėjo itin tiksliai išspręsti visas penkias komandos iškeltas vaizdines užduotis. Šios užduotys apėmė, pavyzdžiui, ranka rašytų skaičių vaizdų klasifikavimą arba vizualinių pokyčių atpažinimą ilgoje vaizdų sekoje. Pažymėtina, kad virtualus modelis pasiekė tokį patį aukštą našumą kaip ir smegenys, net kai tyrėjai modelio vaizduose ir tinkle paveikė triukšmą, su kuriuo jis nebuvo susidūręs treniruočių metu.

Viena iš modelio išskirtinio tvirtumo arba gebėjimo susidoroti su klaidomis ar netikėtomis įvestimis, pvz., vaizdo triukšmu, priežasčių yra ta, kad jis atkuria keletą išskirtinių smegenų kodavimo savybių.

Autoriai sukūrė unikalų įrankį smegenų tipo vizualiniam apdorojimui ir nervų kodavimui tirti ir savo naująjį modelį apibūdina kaip „precedento neturintį langą į šios smegenų srities dinamiką“.

Šaltinis:

Žmogaus smegenų projektas

Nuoroda:

Chen, G. ir kt. (2022) Duomenimis pagrįstas didelio masto pirminės regos žievės modelis suteikia galimybę smegenims panašų tvirtą ir universalų vizualinį apdorojimą. Mokslo pažanga. doi.org/10.1126/sciadv.abq7592.

.