编辑:神经科学和人工智能之间的闭环迭代
金玉李1,
Alexey Zaikin
小春就张
Shangbin陈- 1布里顿机会生物医学光子学中心、武汉国家实验室Optoelectronics-Huazhong科技大学,武汉,中国
- 2女性健康研究所和数学系,伦敦大学学院,伦敦,英国
- 3脑科学,部门Lobachevsky下诺夫哥罗德的州立大学,下诺夫哥罗德,俄罗斯
- 4复杂系统分析中心Sechenov第一莫斯科国立医科大学,莫斯科,俄罗斯
- 5联邦研究中心俄罗斯科学院应用物理研究所,下诺夫哥罗德,俄罗斯
- 6放射学、广州市妇女儿童医疗中心,广州,中国
编辑的研究课题
神经科学和人工智能之间的闭环迭代
“没有科学研究至关重要的人比自己的大脑。我们整个宇宙的观点取决于它。“没有人会怀疑弗朗西斯·克里克神经科学解决的重要性。神经科学,研究神经系统的结构和功能,是21的焦点圣世纪。大脑是唯一已知的例子真正的一般智力,这是伟大的启蒙意义的研究人工智能(AI) (波特,2007;哈萨比斯et al ., 2017)。许多人工智能研究人员继续研究神经科学灵感的源泉和洞察力(Ullman 2019)。同时,神经科学人工智能正迅速成为一个有价值的工具,帮助各种神经数据进行分析,了解大脑如何计算(Landhuis 2020;理查兹et al ., 2022)。因此,两个协同领域一直保持深度沟通和交换(野蛮人,2019;Ito et al ., 2022)。
“如果人类的大脑是如此简单,我们可以理解,我们会这么简单,我们不能。“这有趣的引用爱默生·m·普反映了我们当前位置在试图理解人类的大脑。事实上,目前尚不清楚我们的大脑是如何工作的。我们需要多学科的投入和努力解开其内在的复杂性。神经科学和人工智能之间的相互强化的闭环连接大脑和机器。计算神经科学(王et al ., 2020)可以通过足够的桥这两个快速发展的领域模型代表和模拟大脑的独特的体系结构和功能所示图1。获得的生物物理学和算法在神经科学实现brain-inspired情报至关重要。反过来,基于人工神经网络(ANN)的AI系统受神经系统被应用回解析和解释大脑。完整的闭环可以组织为迭代,从而造福两神经科学和人工智能。
图1。原理图之间的闭环迭代神经科学和人工智能。
本研究课题旨在提供计算神经科学的先进的审查,包括人工智能启发神经科学的发展,在大脑研究人工智能的应用,神经科学和人工智能之间的闭环迭代。到目前为止,这个研究课题收集了6篇文章(5原始研究和1审查),代表了人工智能和神经科学之间的协作。
有两个论文达到AI受神经科学的主题。赵和曾提出了brain-inspired突触修剪(BSP)算法,可以有效地调节神经网络架构的修剪多余的突触同时保留有效的学习过程中突触(赵和曾)。实验结果证明了BSP算法可以大大压缩网络,显示其优势和有效性在不同大小和网络上的训练样本的数量。同样的,梁和曾建造了一个brain-inspired脉冲神经网络与人类创造力的机制,可以与不同风格的作曲家作曲或类型(梁和曾)。这是第一次尝试使用生物合理安创建音乐旋律spike-timing-dependent可塑性学习规则。这两个研究表明,人工智能的灵感来自大脑结构和功能是有前途的,朝着类似人类的智能。
有4篇论文关注AI在神经科学中的应用。(1)详细的神经网络模型(ANN)提出了比较人类和啮齿动物之间的信号处理能力(Zhang et al。)。独特的膜性能的计算模型表明,人类的皮层神经元可能提高了信号传输的准确性。(2)利用脑电图(EEG)作为输入数据,一个机器学习的方法,称为随机森林被用来探测精神分裂症(巴斯克斯等。)。不仅计算算法产生一个诊断建议,但也有助于临床医生来定位关键领域和/或连接大脑与精神分裂症相关联。(3)一个安pre-trained和利用脑电图数据分类器的识别率可以达到74%的新招募的对象(Kuc et al。)。这可能大大促进发展的脑-机接口(BCI)通过减少依赖复杂的解码算法。(4)最后的评论文章全面总结了应用在BCI强化学习(做腰带的人等。)。各种基于强化学习神经解码器展示了令人印象深刻的成果,可以无缝地集成到更多功能和现实好像。上述论文强调,人工智能方法关键技术,让更多的发现和理解大脑,甚至利润神经疾病和机器人。
虽然没有文章呈现一个完整的闭环迭代在当前研究课题,这将有可能在未来成为一个伟大的工作。最近,一个皮质神经元已经作为一个近似值,5 - 8层深安(Beniaguev et al ., 2021)。此外,安将军已经被引入突触可塑性的原则优化命名组负责调节误差信号的传播(Dellaferrera et al ., 2022)。人工智能和提高显微镜可行的解析神经系统分辨率更高的连接体(Landhuis 2020)。正如李奇曼说,“聪明的机器学习研究机器的线路从根本上smarter-biological机器。“毫无疑问,神经科学和人工智能之间的闭环迭代是一个有用的研究范式关闭之间的差距人类智能和机器智能(罗伊et al ., 2019)。
作者的贡献
所有作者列出了一大笔,直接和知识贡献的工作,批准发布。
资金
这项工作得到了国家自然科学基金(批准号61890951)和导演WNLO基金。AZ谢谢卓越中心”光子学中心”由俄罗斯联邦科学和高等教育部,合同编号075-15-2022-293。
确认
我们要感谢肖荣先生和张女士自弃帮助准备插图和文字。
的利益冲突
作者声明,这项研究是在没有进行任何商业或财务关系可能被视为一个潜在的利益冲突。
出版商的注意
本文表达的所有索赔仅代表作者,不一定代表的附属组织,或出版商、编辑和审稿人。任何产品,可以评估在这篇文章中,或声称,可能是由其制造商,不保证或认可的出版商。
引用
Beniaguev D。济夫,我。,和London, M. (2021). Single cortical neurons as deep artificial neural networks.神经元109年,2727 - 2739。doi: 10.1016 / j.neuron.2021.07.002
Dellaferrera G。沃兹尼亚克,S。,Indiveri, G., Pantazi, A., and Eleftheriou, E. (2022). Introducing principles of synaptic integration in the optimization of deep neural networks.Commun Nat。13日,1885年。doi: 10.1038 / s41467 - 022 - 29491 - 2
哈萨比斯,D。,Kumaran, D., Summerfield, C., and Botvinick, M. (2017). Neuroscience-inspired Artificial Intelligence.神经元95年,245 - 258。doi: 10.1016 / j.neuron.2017.06.011
伊藤,T。,Yang, G. R., Laurent, P., Schultz, D. H., and Cole, M. W. (2022). Constructing neural network models from brain data reveals representational transformations linked to adaptive behavior.Commun Nat。13日,673年。doi: 10.1038 / s41467 - 022 - 28323 - 7
Landhuis,大肠(2020)。探测精细连接brain-Artificial情报和改进显微镜使其可行的映射神经系统更高的分辨率。自然586年,631 - 633。doi: 10.1038 / d41586 - 020 - 02947 - 5
波特,s m (2007)。从神经科学人工智能可以什么?在50年的人工智能,eds。m . Lungarella f .邦加德Iida j . r . Pfeifer(柏林,海德堡Springer): 174 - 185。doi: 10.1007 / 978 - 3 - 540 - 77296 - 5 - _17
理查兹,B。曹,D。,和Zador, A. (2022). The application of artificial intelligence to biology and neuroscience.细胞185年,2640 - 2643。doi: 10.1016 / j.cell.2022.06.047
罗伊,K。,Jaiswal, A., and Panda, P. (2019). Towards spike-based machine intelligence with neuromorphic computing.自然575年,607 - 617。doi: 10.1038 / s41586 - 019 - 1677 - 2
关键词:神经科学、人工智能、brain-inspired情报,计算模型,神经网络
引用:李江,Zaikin,张X和陈(2022)编辑:神经科学和人工智能之间的闭环迭代。前面。系统。>。16:1002095。doi: 10.3389 / fnsys.2022.1002095
收到:2022年7月24日;接受:2022年11月29日;
发表:2022年12月19日。
编辑和审核:安娜·p·Malykhina美国安舒茨医学,科罗拉多大学校园
版权©2022 Li Zaikin、张、陈。这是一个开放分布式根据文章知识共享归属许可(CC)。使用、分发或复制在其他论坛是允许的,提供了原始作者(年代)和著作权人(s)认为,最初发表在这个期刊引用,按照公认的学术实践。没有使用、分发或复制是不符合这些条件的允许。
*通信:Shangbin陈,sbchen@mail.hust.edu.cn