Max Home IndustryПо иронии судьбы, наша лучшая надежда понять естественный интеллект — это заручиться помощью искусственного интеллекта. Google только что сообщил о картировании всего мозга плодовой мушки с использованием нейронных сетей для обработки. Это большой скачок для мух.
До недавнего времени нематодный червь C. elegans был лучшим кандидатом на роль искусственного интеллекта, но вы, возможно, догадались, что рабочая лошадка биологии, плодовая муха Drosophila melanogaster, могла бы задействовать свои силы.
Теперь Google Research опубликовала блог и статью, в которых объясняется, как ему удалось нанести на карту весь мозг этого маленького существа. Это большой шаг вперед, потому что ранее нам удавалось нанести на карту только нервную систему, включающую десятки нейронов:
«Важным преимуществом мух является их размер: мозг дрозофилы относительно мал (сто тысяч нейронов) по сравнению, например, с мозгом мыши (сто миллионов нейронов) или человеческим мозгом (сто миллиардов нейронов)».
Даже в этом случае переход к сотне тысяч нейронов — это много нейронов и много связей. Не менее интересно то, как был совершен подвиг.
Мозг мух был разрезан на тысячи срезов по 40 нм, и каждый из них сканировали с помощью электронного микроскопа. Затем изображения размером 40 триллионов пикселей были выровнены для создания трехмерного изображения. Это может показаться концом истории, но трехмерное изображение не дает вам схемы подключения. Чтобы создать это, было использовано облако блоков тензорной обработки (TPU), чтобы применить сеть заполнения потока (FFN), которая отслеживала каждый нейрон. Однако базовая FFN имела тенденцию теряться, когда отсутствовали данные в виде недостающих фрагментов. Чтобы решить эту проблему, нейронная сеть была обучена «галлюцинировать» отсутствующие срезы.
Галлюцинации — это не мое слово, а исследовательские группы. Я думаю, что лучше думать об этом как о трехмерном изображении, когда сеть пытается заполнить недостающие данные так, чтобы они соответствовали имеющимся у нас фрагментам. Это позволило FFN более точно отслеживать соединения.
Помимо данных, они также создали вьювер — Neuroglancer:
проект с открытым исходным кодом (github), который позволяет просматривать трехмерные объемы петабайтного масштаба и поддерживает множество расширенных функций, таких как пересечение произвольных осей в поперечном сечении, сетки с несколькими разрешениями, а также мощные возможности для разработки пользовательских рабочих процессов анализа с помощью интеграции с Python.
Вы можете увидеть Neuroglancer в действии в этом видео:
Я должен признать, что единственное, что сделало для меня это видео, — это заставило меня почувствовать себя подавленным объемом данных. Кажется очевидным, что нам нужна не только помощь ИИ в создании этих моделей и визуализации, нам также нужна помощь в понимании всего этого.
В планах еще работы:
Наши сотрудники из HHMI и Кембриджского университета уже начали использовать эту реконструкцию для ускорения своих исследований обучения, памяти и восприятия в мозгу мух. Однако результаты, описанные выше, еще не являются истинным коннектомом, поскольку создание коннектома требует идентификации синапсов. Мы тесно сотрудничаем с командой FlyEM в исследовательском кампусе Janelia, чтобы создать тщательно проверенный и исчерпывающий коннектом мозга мухи с использованием изображений, полученных с помощью технологии «FIB-SEM».
Еще предстоит пройти долгий путь, прежде чем появится хотя бы намек на конвергенцию искусственных и естественных нейронных сетей. На самом деле даже не совсем понятно, что значит «понимать» — мозг мухи.