17日，《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(tǒng)，是如何幫助神經(jīng)學(xué)家更好理解大腦結(jié)構(gòu)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(duì)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(shù)據(jù)。而如果神經(jīng)科學(xué)家要對(duì)這些進(jìn)行全部標(biāo)注的話，這可能需要10萬(wàn)個(gè)小時(shí)。

針對(duì)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(tǒng)，只需要7天的訓(xùn)練，這一系統(tǒng)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(cè)算法先行識(shí)別神經(jīng)節(jié)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(tǒng)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(zhǎng)，并使用循環(huán)卷積神經(jīng)網(wǎng)絡(luò)不斷填充一個(gè)區(qū)域，進(jìn)而預(yù)測(cè)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(duì)“人類(lèi)大腦”的研究，因?yàn)檫@是讓人工智能更為“智能”的關(guān)鍵，而對(duì)大腦的認(rèn)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?！斑@個(gè)項(xiàng)目真正影響的是可以完成的神經(jīng)科學(xué)研究的數(shù)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(xiàn)的?！惫雀柩芯繂T、論文主要作者維綸·賈恩（Viren Jain）表示。