Obsežen model primarne vidne skorje lahko natančno reši več nalog vizualne obdelave

Obsežen model primarne vidne skorje lahko natančno reši več nalog vizualne obdelave

Raziskovalci HBP so usposobili obsežen model mišjega primarnega vidnega korteksa za reševanje vizualnih nalog na izjemno robusten način. Model predstavlja osnovo za novo generacijo modelov nevronske mreže. Zaradi svoje vsestranskosti in energetsko učinkovite obdelave lahko ti modeli prispevajo k napredku v nevromorfnem računalništvu.

Modeliranje možganov ima lahko ogromen vpliv na umetno inteligenco (AI): Ker možgani obdelujejo slike veliko bolj energetsko učinkovito kot umetna omrežja, se znanstveniki zgledujejo po nevroznanosti za ustvarjanje nevronskih mrež, ki delujejo veliko bolj podobno biološkim in tako varčujejo z energijo.

V tem smislu bodo nevronske mreže, ki jih navdihujejo možgani, verjetno vplivale na prihodnje tehnologije, tako da bodo služile kot načrti za vizualno obdelavo v energijsko učinkovitejši nevromorfni strojni opremi. Zdaj je študija raziskovalcev projekta človeških možganov (HBP) na Univerzi za tehnologijo v Gradcu (Avstrija) pokazala, kako lahko velik model, ki temelji na podatkih, na vsestranski in natančen način reproducira vrsto sposobnosti vizualne obdelave možganov. Rezultati so bili objavljeni v reviji Science Advances.

E-knjiga o nevroznanosti

Zbirka najboljših intervjujev, člankov in novic zadnjega leta. Prenesite kopijo še danes

Z uporabo pilotnih sistemov PCP v superračunalniškem centru Jülich, razvitih v sodelovanju med HBP in programsko družbo Nvidia, je ekipa analizirala biološko podroben obsežen model primarne vizualne skorje miške, ki lahko reši več nalog vizualne obdelave. Ta model zagotavlja največjo integracijo anatomskih podrobnosti in nevrofizioloških podatkov, ki so trenutno na voljo za območje vidne skorje V1, ki je prva kortikalna regija, ki sprejema in obdeluje vizualne informacije.

Model je zgrajen z drugačno arhitekturo kot globoke nevronske mreže, ki se uporabljajo v trenutni AI, in raziskovalci so ugotovili, da ima zanimive prednosti v smislu hitrosti učenja in moči vizualne obdelave pred modeli, ki se običajno uporabljajo za vizualno obdelavo v AI.

Model je z visoko natančnostjo rešil vseh pet vizualnih nalog, ki jih je postavila ekipa. Te naloge so na primer vključevale razvrščanje slik ročno napisanih številk ali prepoznavanje vizualnih sprememb v dolgem zaporedju slik. Zanimivo je, da je virtualni model dosegel enako visoko zmogljivost kot možgani, tudi ko so raziskovalci model izpostavili šumu v slikah in omrežju, na katerega med usposabljanjem ni naletel.

Eden od razlogov za vrhunsko robustnost modela - ali njegovo sposobnost obvladovanja napak ali nepričakovanih vnosov, kot je šum v slikah - je ta, da reproducira več značilnih lastnosti kodiranja možganov.

Avtorji so razvili edinstveno orodje za preučevanje vizualne obdelave in nevronskega kodiranja v možganskem slogu in opisujejo svoj novi model kot "okno brez primere v dinamiko tega področja možganov."

Vir:

Projekt človeških možganov

Referenca:

Chen, G., et al. (2022) Podatkovno voden obsežen model za primarno vidno skorjo omogoča možganom podobno robustno in vsestransko vizualno obdelavo. Znanstveni napredek. doi.org/10.1126/sciadv.abq7592.

.