2020-03-29 ，《NatureMethods》刊出了谷歌的一篇新的论文《用于Flood-Filling网络高效自动修复神经元》（High-Precisionautomatedreconstructionofneuronswithflood-fillingnetworks）。在这篇论文中，谷歌描写了他们所创立的人工智能系统，是如何协助神经学家更佳解读大脑结构和功能的。
在人类的大脑中，大约包括了大约860亿个通过100亿个神经元联网的神经元，如果对单个立方毫米神经元展开光学，最后需要产生多达1000TB的数据。而如果神经科学家要对这些展开全部标示的话，这有可能必须10万个小时。针对这方面，谷歌与马克斯普朗克研究所的研究员一起合作打造出了一个人工智能系统，只必须7天的训练，这一系统就需要已完成与上面一样的工作。
在以往的作法中，研究员不会用于边缘检测算法先行辨识神经节之间的边界，继而用wateshed或graphcut等算法将并未被边界拆分的图像像素人组在一起。与之有所不同，谷歌与马克斯普朗克研究所明确提出的“floor-fillingNetworks”模型将传统的两个步骤制备一个步骤。具体来讲，新的算法不会从特定像素方位开始生长，并用于循环卷积神经网络大大填满一个区域，进而预测哪些像素和初始像素归属于同一物体。众所周知，在提及智能性的时候，我们经常不会提及对“人类大脑”的研究，因为这是让人工智能更加“智能”的关键，而对大脑的理解严重不足也妨碍了人们的研究进展。
这方面，谷歌的这新成果获取了众多协助。“这个项目确实影响的是可以已完成的神经科学研究的数量，需要以全面的方式研究大脑中神经元的实际模式，这是历史上神经科学家所无法构建的。
”谷歌研究员、论文主要作者维纶·贾恩（VirenJain）回应。
本文来源：ng体育官方网站-www.usmarketdirectory.com
