谷歌研發(fā)新型人工智能系統，助力研究員繪制神經(jīng)元

這一新系統幫助神經(jīng)學(xué)家更好理解大腦結構和功能。

昨天，《Nature Methods》刊登了谷歌的一篇新論文《使用Flood-Filling網(wǎng)絡(luò )高效自動(dòng)重建神經(jīng)元》（High-Precision automated reconstruction of neurons with flood-filling networks）。在這篇論文中，谷歌講述了他們所創(chuàng )建的人工智能系統，是如何幫助神經(jīng)學(xué)家更好理解大腦結構和功能的。

在人類(lèi)的大腦中，大概包含了約860億個(gè)通過(guò)100億個(gè)突觸聯(lián)網(wǎng)的神經(jīng)元，如果對單個(gè)立方毫米神經(jīng)元進(jìn)行成像，最后能夠產(chǎn)生超過(guò)1000TB的數據。而如果神經(jīng)科學(xué)家要對這些進(jìn)行全部標注的話(huà)，這可能需要10萬(wàn)個(gè)小時(shí)。

針對這方面，谷歌與馬克斯普朗克研究所的研究員一起合作打造了一個(gè)人工智能系統，只需要7天的訓練，這一系統就能夠完成與上面一樣的工作。

在以往的做法中，研究員會(huì )使用邊緣檢測算法先行識別神經(jīng)節之間的邊界，繼而用wateshed或graph cut等算法將未被邊界分割的圖像像素組合在一起。與之不同，谷歌與馬克斯普朗克研究所提出的“floor-filling Networks”模型將傳統的兩個(gè)步驟合成一個(gè)步驟。

具體來(lái)講，新算法會(huì )從特定像素位置開(kāi)始生長(cháng)，并使用循環(huán)卷積神經(jīng)網(wǎng)絡(luò )不斷填充一個(gè)區域，進(jìn)而預測哪些像素和初始像素屬于同一物體。

眾所周知，在提到智能性的時(shí)候，我們常常會(huì )提到對“人類(lèi)大腦”的研究，因為這是讓人工智能更為“智能”的關(guān)鍵，而對大腦的認知不足也阻礙了人們的研究進(jìn)展。

這方面，谷歌的這一新成果提供了一大幫助。“這個(gè)項目真正影響的是可以完成的神經(jīng)科學(xué)研究的數量，能夠以全面的方式研究大腦中神經(jīng)元的實(shí)際模式，這是歷史上神經(jīng)科學(xué)家所無(wú)法實(shí)現的。”谷歌研究員、論文主要作者維綸·賈恩（Viren Jain）表示。

最后，記得關(guān)注微信公眾號：鎂客網(wǎng)（im2maker），更多干貨在等你！