Wielkoskalowy model pierwotnej kory wzrokowej może dokładnie rozwiązać wiele zadań przetwarzania wzrokowego

Wielkoskalowy model pierwotnej kory wzrokowej może dokładnie rozwiązać wiele zadań przetwarzania wzrokowego

Badacze z projektu HBP wytrenowali wielkoskalowy model pierwotnej kory wzrokowej myszy, aby mógł rozwiązywać zadania wzrokowe w niezwykle niezawodny sposób. Model stanowi podstawę dla nowej generacji modeli sieci neuronowych. Ze względu na swoją wszechstronność i energooszczędne przetwarzanie modele te mogą przyczynić się do postępu w przetwarzaniu neuromorficznym.

Modelowanie mózgu może mieć ogromny wpływ na sztuczną inteligencję (AI): ponieważ mózg przetwarza obrazy znacznie bardziej energooszczędnie niż sztuczne sieci, naukowcy czerpią inspirację z neuronauki, aby tworzyć sieci neuronowe, które działają znacznie bliżej sieci biologicznych, oszczędzając energię.

W tym sensie sieci neuronowe inspirowane mózgiem prawdopodobnie będą miały wpływ na przyszłe technologie, służąc jako plany przetwarzania obrazu w bardziej energooszczędnym sprzęcie neuromorficznym. Badanie przeprowadzone przez naukowców z Human Brain Project (HBP) na Politechnice w Graz (Austria) wykazało, że duży model oparty na danych może odtworzyć szereg zdolności przetwarzania wzrokowego mózgu w wszechstronny i dokładny sposób. Wyniki opublikowano w czasopiśmie Science Advances.

Książka elektroniczna Neuronauka

Zestawienie najważniejszych wywiadów, artykułów i aktualności z ostatniego roku. Pobierz kopię już dziś

Korzystając z systemów pilotażowych PCP w Centrum Superkomputerowym w Jülich, opracowanych we współpracy pomiędzy HBP i firmą programistyczną Nvidia, zespół przeanalizował biologicznie szczegółowy wielkoskalowy model głównej kory wzrokowej myszy, który może rozwiązywać wiele zadań związanych z przetwarzaniem wizualnym. Model ten zapewnia największą integrację szczegółów anatomicznych i danych neurofizjologicznych dostępnych obecnie dla obszaru kory wzrokowej V1, który jest pierwszym obszarem korowym odbierającym i przetwarzającym informacje wzrokowe.

Model zbudowany jest w oparciu o inną architekturę niż głębokie sieci neuronowe stosowane obecnie w sztucznej inteligencji, a naukowcy odkryli, że ma on interesujące zalety pod względem szybkości uczenia się i mocy przetwarzania wizualnego w porównaniu z modelami powszechnie używanymi do przetwarzania wizualnego w sztucznej inteligencji.

Model był w stanie z dużą dokładnością rozwiązać wszystkie pięć zadań wizualnych postawionych przez zespół. Zadania te polegały na przykład na klasyfikowaniu wizerunków odręcznie zapisanych liczb lub rozpoznawaniu zmian wizualnych w długiej sekwencji obrazów. Co ciekawe, model wirtualny osiągnął tę samą wysoką wydajność co mózg, nawet gdy badacze wystawili model na działanie szumu w obrazach i sieci, z którym nie zetknął się podczas szkolenia.

Jednym z powodów wyjątkowej wytrzymałości modelu – czyli jego zdolności do radzenia sobie z błędami lub nieoczekiwanymi danymi wejściowymi, takimi jak szum na obrazach – jest to, że odtwarza on kilka charakterystycznych właściwości kodowania mózgu.

Autorzy opracowali unikalne narzędzie do badania przetwarzania wzrokowego i kodowania neuronowego w mózgu i opisują swój nowy model jako „bezprecedensowe okno na dynamikę tego obszaru mózgu”.

Źródło:

Projekt ludzkiego mózgu

Odniesienie:

Chen, G. i in. (2022) Wielkoskalowy model pierwotnej kory wzrokowej oparty na danych umożliwia solidne i wszechstronne przetwarzanie wizualne na poziomie mózgu. Postęp naukowy. doi.org/10.1126/sciadv.abq7592.

.