科學研究遊戲《Mozak》幫助人類理解神經元結構

2020-11-26 3DMGAME

科學研究遊戲《Mozak》幫助人類理解神經元結構

時間：2017-04-25 15:06:10

  • 來源：3DM新聞組-Light
  • 作者：NT
  • 編輯：newtype2001

還記得有一款華盛頓大學開發的蛋白質遊戲《摺疊》在網絡上引發了玩家對科學的追捧嗎?

在《摺疊》上線的近十年後，該學校的遊戲科學中心（就是開發《摺疊》並維護的部門）與艾倫腦科學研究所合作，發布了一款模式匹配遊戲，來幫助科學家研究生物學中的另一項內容：人腦中的神經元。

這款遊戲的名字叫做《Mozak》，要求玩家畫出人類大腦（800-900億根神經元）或是老鼠大腦（約1億根神經元）中的神經元結構。

這是個相當不錯的項目，與《摺疊》相類似，《Mozak》的設計前提是人腦對於某些任務的處理是要遠遠優於電腦的，比如像這個任務，識別並畫出神經元的3D模型。

本作自從去年11月發布之後就引來了紐約時報的關注，如今每天平均有200個玩家加入，這款遊戲的最終目的至少要增進人們對於神經元模型的認知，更深層次的目的是獲得高質量的神經元分布圖，來研究如何更好地去訓練電腦做這項工作。

「如果我們收集幾千個這種神經元模型，那麼電腦做這些工作的效率就會提升很多。」遊戲科學中心主任Zoran Popovic對紐約時報表示，「你可以把這看作是一種共生關係——電腦學習人類，然後比人類做得更好。」

0

相關焦點

  • 為什麼神經網絡難以理解生命遊戲？
    我們可以發現對生命遊戲顯然有效的，幾組神經網絡的初始參數解；但隨機輸入初始參數和選擇樣本的神經網絡，卻極難理解生命遊戲，成功收斂到最優解需要一定「運氣」。我們也可以選擇，提高神經網絡的複雜性，得到較優解，但這使資金和能耗水漲船高，不可持續。這種現狀要求我們探索新的學習算法。
  • 神經語言學:語言學研究走進科學實驗室
    楊亦鳴表示，神經語言學處於當代學術研究的前沿，對當代語言學研究與科學技術創新有重大貢獻。 　　人類在探索客觀世界的同時，一刻也未停息對語言的探索。20世紀50年代，美國語言學家喬姆斯基的著作《句法結構》問世，轉換生成語言學由此形成並經歷了四個發展階段。　　無論是索緒爾還是喬姆斯基，其工作都將語言學研究引向了科學道路。然而要研究語言能力，這種純理論思辨式的研究方法效果難以盡如人意。楊亦鳴表示：「以轉換生成語法為例，能不能真正發現人腦中的普遍語法即人類的普遍語言能力，令人擔憂。」
  • 《美國腦科學計劃2.0》：通過推動創新型神經技術開展大腦研究
    BRAIN 2.0 包括提高新工具的速度和效率；將分析擴展到更大的大腦區域；增加非神經元細胞類型和突觸的映射；整合大腦的結構與功能映射；在獲取和提煉數據方面的進展，得以促進跨物種的比較。1.（4）應用機器學習方法比較小鼠及人類大腦的同源區域。（5）使用改進的高通量清除和標記方法，以及快速連續切片電磁工具研究人類皮層和皮下結構。
  • IBM研發模擬人腦神經元結構計算機 有望具備人類學習能力
    上周的《科學》雜誌用封面報導的形式，介紹了美國IBM公司新近研發出的一種模擬人腦神經元結構的計算機晶片「TrueNorth」。8月8日的美國《科學》雜誌以封面報導的形式介紹，美國IBM和美國康奈爾大學成功開發了一種模擬人類大腦的信息傳遞機制的SyNAPSE晶片（Systems of Neuromorphic Adaptive Plastic Scalable Electronics，即「自適應可塑型可伸縮電子神經形態系統」）。
  • 想探索人類大腦奧秘?玩這個遊戲就行
    動幾下滑鼠，你就可以為解開人類大腦之謎做出貢獻。聽起來是不是很酷？Eyewire就是這樣一款讓普通人為科學做出貢獻的遊戲。簡單來說，Eyewire是以大眾所容易接受的遊戲形式，幫助神經科學家繪製三維神經元細胞網絡圖譜，從而最終幫助他們研究人的神經元細胞的連接關係，如何影響人的情緒、反應以及如何造成與神經相關的疾病等。上圖便是Eyewire遊戲的操作界面，左側是玩家需要繪製的神經元細胞的一小塊區域，被稱為Cube，每一個神經細胞由大約1000個Cube組成。
  • AI埋藏在大腦神經元突觸間美妙的電信號中?
    對大腦的研究、以及對以此為基礎的人工智慧的研究，早已脫離了單個學科可以應對的範疇，而需要多個學科領域之間的相互協作。或許只有最頂尖的人才才能理解，並最終推動這些領域的進步。不過即使是我們目前對人腦非常淺薄的研究中得到的認知，也已經構成了一幅無比美麗的畫卷。這其中蘊含的奧妙讓我們絲毫不會懷疑，我們的大腦是世界上最精妙（同時居然是自然進化出來的）結構。
  • "計算神經生物學"研究:給機器人一個"大腦"(圖)
    用數學、物理、信息科學研究大腦工作原理，幫助臨床應用　　還記得童話裡直播夢境的情節麼，現在那已經不再是遙不可及的夢想了。該研究發表於美國的《神經元》(Neuron)雜誌上。　　支撐這一技術的科學叫做計算神經生物學，用最簡單的話說，就是為不同的大腦功能建立不同的模型。　　什麼是計算神經生物學？　　「計算神經生物學是近年來迅猛發展的關於神經系統功能研究的一個新的交叉學科。它吸收了數學、物理學等基礎理論，以及信息科學等相關領域的研究理論和方法來研究神經科學所關心的大腦工作原理。」
  • 神經形態晶片可以幫助人進行大腦的逆向工程
    這項研究基於模擬生物神經元特性的神經形態微晶片的開發，被認為是在了解人腦如何處理信息方面邁出的重要一步，並打開了通往快速、極低功耗的電子系統的大門，這些系統可以實時吸收感覺輸入並執行用戶定義的任務。其神經網絡的不斷適應和自組織在其功能中起著至關重要的作用。神經形態工程成立於20世紀80年代末，是神經科學、生物學、計算機科學和其他一些領域的跨學科綜合體，它首先試圖了解大腦如何操縱信息，然後在計算機晶片上複製同樣的過程。
  • 解剖人工智慧以更好地理解人類大腦
    同樣，在計算機科學領域，多種形式的人工智慧正在出現——不同的網絡經過訓練，各自擅長於不同的任務。正如今天將在認知神經科學學會(CNS)第25屆年會上介紹的那樣，認知神經科學家越來越多地使用這些新興的人工網絡，以增進他們對最難以捉摸的智能系統之一——人類大腦——的理解。麻省理工學院的奧德·奧利瓦說：「認知神經科學家和計算機科學家試圖回答的基本問題是相似的。」
  • 深度神經網絡(DNN)是否模擬了人類大腦皮層結構?
    舉例來說，有人在做神經元膜離子通道相關的工作。一個神經元的輸入，可以分為三部分，從其他神經元來的電信號輸入，化學信號輸入，還有編碼在細胞內的信號(興奮，抑制類型，這裡可以類比為 激活函數?)，輸出也是三個，電輸出，化學輸出，改變自身狀態(LTP 長時程增強, LTD長時程抑制)。　　我們是否足夠了解神經元?
  • 深度神經網絡DNN是否模擬了人類大腦皮層結構
    神經元在深度學習領域，神經元是最底層的單元，如果用感知機的模型， wx + b, 加上一個激活函數構成了全部，輸入和輸出都是數字，研究的比較清楚，別的不說，在參數已知的情況下，有了輸入可以計算輸出，有了輸出可以計算輸入。但在神經科學領域，神經元並不是最底層的單位，舉例來說，有人在做神經元膜離子通道相關的工作。
  • 「神經共價鍵」人為什麼可以理解最重要的結構之一!
    人類作為地球霸主！（雖然是自封的）但也可以看出人對於自身的存在是多麼自信！人沒有鋒利的爪子和牙齒，沒有強大的肌肉結構，而人卻成為食物鏈頂端存在，最重要的原因就是智慧！而智慧是什麼？自古以來就沒有一個標準，往往是說那些已經有成就的人，在哪些人沒有成就之前都是沒有大智慧的。大智慧是成就與名氣的代名詞，畢竟要說一個人有智慧就要被人所知這個前提條件。
  • 機器學習新突破:谷歌研究人員利用AI自動重構大腦神經元
    ，在《Nature Methods》上發表了一篇重磅論文，使用一種循環神經網絡算法對神經元連接組進行自動重構，不僅可以對連接組進行高解析度的可視化成像，而且準確度提高了一個數量級，為連接組學的研究帶來了新的突破。
  • 腦科學日報:複雜的大腦;「社會撫摸」背後的神經生物學機制
    來源：原理 南佛羅裡達大學Salvatore Domenic Morgera教授團隊將生物工程研究集中在了大腦結構與功能之間的關係上。團隊的整體目標是科學地解釋所有在認知任務中激活不同大腦區域的連接，這些連接包括了解剖學上的物理連接，以及更為複雜的「無線」連接。
  • 計算機幫助破解人類生命密碼?
    （原標題：計算機如何幫助生物學家破解人類生命「密碼」？）計算機正在幫助我們克服數據過大的問題，它們甚至可以做到更多，幫我們做出科學假設，解釋新的生物作用。數據科學從基本上支撐起了前沿的生物研究。計算機的作用計算機之所以能夠成為大數據最完美的處理者，是因為它們可以自動跟蹤所有重要分析必要的前提。雖然人為編程使得它們有著人類的一些缺點，但是計算機能夠有效處理大量數據，並且不會像人類研究員一樣容易趨向於熟悉區域。
  • 腦科學日報：複雜的大腦；「社會撫摸」背後的神經生物學機制
    來源：原理南佛羅裡達大學Salvatore Domenic Morgera教授團隊將生物工程研究集中在了大腦結構與功能之間的關係上。團隊的整體目標是科學地解釋所有在認知任務中激活不同大腦區域的連接，這些連接包括了解剖學上的物理連接，以及更為複雜的「無線」連接。團隊正在研究複雜的模型，來更好地幫助科學家理解大腦的功能。
  • 【認知科學趨勢】人工智慧與腦科學最新交叉研究進展
    作者：NEUROSCIENCE NEWS翻譯：王益軍審校：心連結：neurosciencenews　　人工智慧系統最近所取得的突破使得人工智慧在多種具有挑戰性的遊戲中戰勝了人類，而這些成就的根源在於受到人類大腦對信息處理的神經網絡的啟發。
  • 「千腦智力理論」或顛覆AI:理解人類新大腦皮層
    來源：psychologytoday 編輯：三石 【新智元導讀】計算機科學家、神經生物學家Jeff Hawkins提出新型框架來理解人類新大腦皮層如何運作，即「千腦智力理論」。
  • 新研究 | 揭示成年後人類大腦神經元仍可再生
    去年發表於《自然》（Nature）期刊上的一項研究說，早在青春期到來之前，人類大腦中具有學習和記憶功能的海馬體就不再產生新細胞了。不過，《自然醫學》（Nature Medicine）近日刊登的一項最新研究發現，人類在90多歲高齡時依舊能產生新的腦細胞。
  • 意義非凡的腦科學
    機器人怎樣才能擁有人類的智慧和能力？人類社會未來如何與智慧機器人共存？這些問題可以說與腦科學密切相關。腦科學研究不僅可以使我們理解認知、思維、意識和語言等腦功能原理，對人類認識自身有重大科學意義，還能夠對各種腦功能神經基礎進行解析，對有效診斷和治療腦疾病有重要臨床意義，腦科學所啟發的類腦研究也可以推動新一代人工智慧和新型信息產業的發展。