2022-07-16 02:15:08,您是第6814980位訪客!

搜索
實時資訊
Real time information
您的位置:首頁 > 實時資訊
還不知道怎么改變未來?可以先試試“腦洞大開

分類:實時資訊 發布日期:2022-06-09 發布人:溈徠

最新一季的“愛死機”播出那幾天,整個朋友圈都炸了!除了再一次填了觀眾們期待的“坑”,它也再一次展現了“大腦洞”可以夸張到什么地步——

美感炸裂又充滿隱喻的《吉巴羅》、完美解讀個體記憶、基因與智慧關系的《蟲群》,讓人在短短十幾分鐘的驚呼和掌聲中,也不斷質疑自己:為什么我沒有編劇導演這樣的腦洞?除了天天催更創作團隊,怎么能實現優質創意的“量產”呢?


“打開腦洞” ,一直以來的科學難題


“愛死機”的創意在現實中大都有跡可循——《吉巴羅》基于了歐洲人對南美洲原住民殖民掠奪的真實歷史,《蟲群》源自對現實文明秩序更迭的深刻思考。這么看,“腦洞”很多時候是大腦學習能力基于現實在想象力層面的遷移。

那么,大腦是如何做到復雜的創意輸出的?


還不知道怎么改變未來?可以先試試“腦洞大開(圖1)


通過人類過去的研究,我們知道人腦是個承載著多種功能的復雜系統,科學家將能實現不同功能的區域分解為不同的模塊。隨著對大腦區域研究的繼續深入,人們發現從生疏到熟練的過程中,運動模塊和視覺模塊相互之間做了許多交流,以至于能讓人快速了解任務本質并掌握[1]。而從現實到創意輸出時,大腦則是在各種碎片化記憶的基礎上,和想象有關的大腦網絡被激活,然后腦中負責不同分工的許多腦區都參與了想象過程。比如有實驗曾讓志愿者基于3個詞(有關聯或無關聯)來編一個故事,結果發現在大腦進行故事創作的過程中,一些看起來不相關的腦區也參與了活動[2]。當大腦的功能區域將各種看似毫無關系的信息整合,舉一反三成為新的現實認知,簡直amazing!

還不知道怎么改變未來?可以先試試“腦洞大開(圖2)

互相配合的不同腦區


除了劇中的世界,牛頓被落下的蘋果砸到從而引申到萬有引力,愛因斯坦由電磁感應定律得到啟發研究出了相對論,許多偉大的科學發現和創作,都是人腦基于過往的經驗,從無到有進行想象最大化的創新表達。而每一個人大腦區域活躍程度都不盡相同,也就不同程度地決定了“腦洞”的大小。

掌握人腦之前,先畫出來

“自然之手”打造的人腦可以說是當今最精密的儀器,它就像是一個黑箱,可以自動將碎片化的記憶自動整合實現1+1 > 2甚至>10的創意表達,創作、研究出各種經典的作品、理論。那么回到開頭的問題,已經發展今天的科學,是不是可以讓AI來“工業化”生產想象力,帶來更多的優秀產出呢?


要想更好地模擬大腦的思考過程,需要我們更加充分地了解大腦,將大腦這個“黑箱”的內在結構,也就是大腦圖譜完整地繪制出來,腦成像分析起到了至關重要的作用。研究大腦的過程就像是摸黑探索一個浩瀚的宇宙,如果我們能破解人腦的密碼,那或許自然法則的參考答案就在眼前。


還不知道怎么改變未來?可以先試試“腦洞大開(圖3)

腦圖譜繪制的進展


也正是因為如此,腦科學的研究也已經成為許多國家的科研重點,我國也在2021年9月,推出了“中國腦計劃”——“腦科學與類腦科學研究”,其中涉及59個研究領域和方向。


為什么需要如此高額的投入?事實上,單單是像上面提到的那樣,把一顆健康大腦的區域劃分出來就已經挑戰重重,比如人腦功能連接受到各種因素的影響,甚至有可能采集的早晚時間不同,采集的結果表現的功能也不一樣,這個過程需要對大量MRI、PET成像結果的收集,但面對大腦無數極為復雜的神經元、分支、觸突,實在有點過于漫長和繁瑣。因此還需要對參數進行統計檢驗,進行大量復雜的擬合、假設,才可以得出相對可靠的結果。

俗話說“千人千面”,每個人的大腦都不一樣,而且很多研究缺少大量的樣本數據,只有幾十上百的“小數據”,比如霍金大神的漸凍癥這種非?!皞€性化”的罕見病,在我國發病率僅為1-2人/10萬人,以及自身免疫性腦炎、腦小血管病、超憶癥等其他疾病?;忌线@些疾病十分痛苦,但是能用于分析病人的腦成像數據樣本嚴重不足。如果這些問題都解決不好,使用計算機完全模擬人腦工作機制就是一紙空文。

就像是藝術家和科學家們科研創作時,大腦不同功能區域自動利用片段記憶整合出全新的創意表達,我們是不是可以用小樣本數據,搭建AI模型訓練出更有普適性的大樣本預測呢?新加坡國立大學和字節跳動在神經生物學領域頂級刊物Nature Neuroscience的研究發現,通過元學習(meta-learning)和元匹配(meta-matching)方法訓練AI模型,能很大程度上解決這個問題


還不知道怎么改變未來?可以先試試“腦洞大開(圖4)

元學習的方法效果已經超過了KRR(一種線性回歸預測方式)

在這個研究中,科學家們利用元學習這個AI領域的前沿方法,能將在大數據集上訓練出來的機器學習模型遷移到小數據集上,并訓練出同樣可靠的AI預測模型。


看起來有點復雜對吧?但你可以將這個過程理解為人腦聰明的舉一反三——在元學習過程中需要不斷向學習器展示成百上千種任務,最終學習器就會學得眾多任務的知識。學習后,會經過兩個階段:第一個階段關注從每個任務中快速獲取知識;在第二階段(學習器)緩慢將信息從所有任務中取出并消化。通過解決數據少的問題,機器也像人類一樣可以從少量的數據中更快地學習,人工智能,也更像人了!


當我們站上未來的跳板,前路又在何方?


你可能會好奇,怎么字節跳動跟AI和醫療也有關系?


其實,參與到研究中的智能創作基礎研究團隊的主要工作就是探索前沿機器學習以及計算機視覺、自然語言處理技術,解決人工智能領域里的挑戰性問題。抖音上很多火爆的濾鏡和特效玩法,就是由這個團隊利用AI技術實現的。他們的技術能力,也正在通過字節跳動旗下的云服務平臺——火山引擎,向外部企業提供服務。


腦圖譜、知識建模與機器學習結合等原創性技術方向,曾一度是計算機視覺和醫學影像分析領域的“冷板凳”:難度大、周期長、研究者寥寥?,F在,伴隨科技公司的參與,這一局面將得到改變。


這次論文中提到的方法給整個AI領域的機器學習以及腦科學帶來了全新思路,也就是將AI人工智能領域的機器學習方法,來真正解決臨床應用問題,特別是個人的精準醫療、罕見病的治療將有跡可循——今天罕見病依然面臨著許多誤診、難治等困境,但如果有了AI的引入,從前那些樣本量過小而無法開展后續臨床診斷的疾病,也將有希望擁有更明朗的精準醫療治療方案,也可以挽回更多生命。


此外,從理論上說,這一技術成果也有望讓基于腦成像的“讀心術”成為現實,前提是有大規模數據集作為預訓練模型,就可以訓練出能預測人意圖的AI模型。這也與埃隆·馬斯克 “神經連接”(Neuralink)的“腦機接口”的有著異曲同工之妙:都是希望借助技術方式“讀懂”大腦。


而AI本身在神經科學研究領域就擁有十分廣闊的前景。當我們已經對小數據場景有了更好地掌握,對于部分腦區已經可以預測,那么那么全腦的其他功能區域的完全預測是不是也將觸手可及?看起來,后續認識和開發人腦已經有了新的思路和切入點,在未來AI結合腦神經科學的領域有了更好的實踐案例??苹米髌分械摹按鎯吞崛∮洃洝薄俺壢祟悺暗脑O想也不再遙不可及。


還不知道怎么改變未來?可以先試試“腦洞大開(圖5)


人類的大腦是自然最寶貴的饋贈,溫潤的細胞和交織的神經,組成了這一片距離每個人最近、但又最遙遠的宇宙,神秘感拉滿。


好在,當像包括元學習在內的AI技術變得更加成熟、可靠,雖然工業化復刻大腦還有點遙遠,但我們去探索、拓展、駕馭大腦的腳步也可以得到飛躍,我們在認識腦海中日月星辰光的過程中,也終于能更好地認識自己。


友情鏈接

同創溈徠

秘書長處:上海市楊浦區國定東路200號1號樓1611室 Overseas Address:8 Salisbury Square London ,EC4Y 8BB,Tc Future Ltd
Copyright ? 2021-2022 溈徠教育科技 版權所有 網站備案號:滬ICP備2021002800號    公安機關備案號  31011002005451
天下第一社区在线观看 welcome_亚洲国产精品网址_2012国语版在线看BD免费_性生活视频网址