Q:
Bagaimana pembelajaran mesin dapat membantu mengamati neuron biologis - dan mengapa ini jenis AI yang membingungkan?
SEBUAH:Pembelajaran mesin tidak hanya memodelkan aktivitas otak manusia - para ilmuwan juga menggunakan teknologi yang digerakkan oleh ML untuk benar-benar melihat otak itu sendiri dan neuron individu tempat sistem ini dibangun.
Sebuah artikel Wired berbicara tentang upaya berkelanjutan untuk melihat ke otak dan benar-benar mengidentifikasi sifat-sifat neuron individu. Penulis Robbie Gonzalez berbicara tentang upaya 2007 yang mengilustrasikan sebagian dari apa yang masih berada di ujung tombak pengembangan pembelajaran mesin saat ini.
| Unduh Gratis: Pembelajaran Mesin dan Mengapa Itu Penting |
Di satu sisi, proyek-proyek ini juga menunjukkan sifat padat karya dari pembelajaran mesin yang diawasi. Dalam program pembelajaran mesin yang diawasi, data rangkaian pelatihan harus diberi label dengan cermat untuk membantu mengatur proyek agar berhasil dan akurat.
Gonzalez berbicara tentang situasi di mana berbagai anggota tim berkumpul untuk melakukan upaya tenaga kerja besar yang diperlukan untuk mendapatkan jenis pelabelan yang dibutuhkan proyek-proyek ini - menggambarkan kumpulan siswa musim panas, mahasiswa pascasarjana dan individu pascadoktoral, ilmuwan saraf molekul Margaret Sutherland menjelaskan bagaimana anotasi data membantu menyiapkan kumpulan data. Institut Nasional Gangguan Neurologis dan Stroke, yang Sutherland adalah direktur, adalah salah satu penyandang dana penelitian.
Menggunakan jaringan saraf yang dalam, sebuah tim yang dipimpin oleh ilmuwan saraf San Francisco Stephen Finkbeiner dan beberapa ahli di Google mengamati gambar sel dengan dan tanpa berbagai jenis tanda penanda florescent. Teknologi itu mengamati bagian-bagian individual dari neuron, seperti akson dan dendrit, dan mencoba untuk mengisolasi berbagai jenis sel dari satu sama lain, dalam proses yang Finkbeiner dan yang lainnya disebut dengan label silico atau ISL.
Jenis penelitian ini bisa sangat membingungkan bagi mereka yang baru dalam proses pembelajaran mesin. Itu karena ide pembelajaran mesin dan kecerdasan buatan sangat didasarkan pada jaringan saraf, yang merupakan model digital bagaimana neuron bekerja di otak manusia.
Neuron buatan, yang dibangun di atas neuron biologis, memiliki serangkaian input tertimbang, fungsi transformasi, dan fungsi aktivasi. Mirip dengan neuron biologis, dibutuhkan beberapa bentuk input berbasis data dan mengembalikan output. Jadi agak ironis bahwa para ilmuwan dapat menggunakan jaringan saraf yang diilhami secara biologis ini untuk benar-benar melihat neuron biologis.
Di satu sisi, ia berjalan dengan cara tertentu ke dalam lubang kelinci dari teknologi rekursif - tetapi juga membantu mempercepat proses pembelajaran dalam industri ini - dan itu juga membuktikan kepada kita bahwa pada akhirnya, ilmu saraf dan teknik listrik menjadi sangat erat ditautkan. Dalam beberapa pendapat, kami mendekati singularitas yang dibicarakan oleh pikiran besar IT Ray Kurzweil di mana garis-garis antara manusia dan mesin akan menjadi kabur secara terus menerus. Sangat penting untuk melihat bagaimana para ilmuwan menerapkan teknologi yang sangat kuat ini ke dunia kita, untuk lebih memahami bagaimana semua model baru ini berfungsi.
