人工智能學會追蹤神經元通路

冷泉港實驗室(CSHL)的科學家已經教導計算機比以往任何一種方法更有效地識別大腦顯微鏡圖像中的神經元。研究人員提高了追蹤神經元及其連接的自動化方法的效率，隨著研究人員努力繪制大腦密集互連的電路，這項任務的需求越來越大。他們通過教計算機識別神經元的不同部分來做到這一點，每個部分都有不同的特征。

這樣的連接圖對于學習大腦如何處理信息以產生思想和行為至關重要。近年來，新的成像技術和擴展的存儲數字圖像的能力已導致海量數據的產生，捕獲了神經元通過老鼠和其他模型生物的大腦時所經過的路徑。CSHL教授Partha Mitra說，但是沒有足夠的專家來分析所有這些圖像，他的團隊開發了新的人工智能(AI)工具，并在《自然機器智能》雜志上進行了報道。

Mitra說：“我認為這個項目是建立一個虛擬的神經解剖學家。我們之所以需要這樣做，是因為我們所做的工作傳統上是由需要數十年培訓的專家人員完成的。他們已經看了數十萬張圖像，我不知道。他們了解上下文，并且可以提供專業的判斷和解釋。”

Mitra說，自動化方法必須接管這項工作，但是計算機在解釋視覺信息方面不如人類。專家解剖學家快速識別為在擁擠的顯微鏡圖像上蜿蜒的單個神經元，對于算法而言并不那么明顯-至少在沒有進行廣泛訓練的情況下(該訓練允許計算機一次又一次地從大型數據集中學習)，這種現象并非并非如此。