جستجو
Close this search box.
جستجو
Close this search box.

پربازدید ترین‌های هفته

آموزش

نزدیک شدن به درک پیچیده‌ترین بُعد وجودی انسان با چشم هوش مصنوعی!

نزدیک شدن به درک پیچیده‌ترین بُعد وجودی انسان با چشم هوش مصنوعی!

اشتراک‌گذاری:

اشتراک‌گذاری:

اشتراک‌گذاری:

محققان یک هوش مصنوعی به نام QDyeFinder را توسعه داده‌اند، که می‌تواند پیچیدگی شبکه‌های نورونی مغز را باز کرده و آنها بازسازی کند. مغز پیچیده‌ترین عضو بدن است، در آن شبکه‌ای از ده‌ها میلیارد نورون فشرده با تریلیون‌ها اتصال وجود دارد که اطلاعات را مبادله می‌کنند و محاسبات مورد نیاز را انجام می‌دهند. تلاش برای درک پیچیدگی مغز می‌تواند گیج‌کننده باشد، با این حال، اگر بخواهیم بفهمیم مغز چگونه کار می‌کند، باید بتوانیم نورون‌ها را نقشه‌برداری کرده و بررسی کنیم که چگونه به یکدیگر متصل شده‌اند.

اکنون، با انتشار مقاله‌ای در Nature Communications، محققان دانشگاه کیوشو یک ابزار جدید هوش مصنوعی به نام QDyeFinder را توسعه داده‌اند که می‌تواند به طور خودکار نورون‌های تکی را از تصاویر مغز موش شناسایی و بازسازی کند. این فرآیند شامل برچسب‌گذاری نورون‌ها با رنگ‌های مختلف و سپس اجازه دادن به هوش مصنوعی برای شناسایی ساختار نورون‌ها از طریق تطبیق ترکیب‌های رنگ مشابه است.

چشمِ فوق‌انسانیِ هوش مصنوعی دانشمندان را یک قدم به درک پیچیده‌ترین و مرموزترین بعد وجودی ما نزدیک‌تر می‌کند!

چالش‌های نقشه‌برداری نورون‌ها

پروفسور تاکشی ایمای از دانشکده علوم پزشکی که این مطالعه را رهبری کرده است، توضیح می‌دهد:

یکی از بزرگ‌ترین چالش‌های علوم اعصاب، تلاش برای نقشه‌برداری از نورون‌های مغز و اتصالات آن‌هاست. با این حال، به دلیل فشردگی بالای نورون‌ها، تمایز دادن آنها با آکسون‌ها و دندریت‌ها (انشعاباتی که اطلاعات را از دیگر نورون‌ها ارسال و دریافت می‌کنند.) بسیار دشوار و زمان‌بر است. برای درک بهتر این چالش خوب است بدانید که آکسون‌ها و دندریت‌ها تنها حدود یک میکرومتر ضخامت دارند، یعنی ۱۰۰ برابر نازک‌تر از یک رشته موی انسان، همچنین فاصله بین آنها از این هم کمتر است!

استراتژی‌ ما برای شناسایی نورون‌ها، برچسب‌گذاری سلول با یک پروتئین فلورسنت با رنگ خاص است. محققان می‌توانند آن رنگ را ردیابی کرده و نورون و آکسون‌های متصل به آن را بازسازی کنند. با گسترش دامنه رنگ‌ها، نورون‌های بیشتری می‌توانند همزمان ردیابی شوند. در سال ۲۰۱۸، ایمای و تیمش سیستم Tetbow را توسعه دادند، که می‌تواند نورون‌ها را با سه رنگ اصلی نور به طور روشن رنگ‌آمیزی کند.

پروفسور مارکوس ن. لیو، یکی از نویسندگان اصلی مقاله که در آن زمان استادیار بود، توضیح می‌دهد:

مثالی که دوست دارم از آن استفاده کنم، نقشه خطوط متروی توکیو است. این سیستم شامل ۱۳ خط، ۲۸۶ ایستگاه بوده و طول آن بیش از ۳۰۰ کیلومتر است. در نقشه مترو، هر خط رنگ‌بندی شده است، بنابراین می‌توانید به راحتی تشخیص دهید که کدام ایستگاه‌ها متصل هستند. استفاده از همین روش Tetbow باعث شد ردیابی نورون‌ها و یافتن اتصالات آنها بسیار آسان‌تر شود.

با این حال، دو مسئله اصلی باقی مانده بود؛ نورون‌ها همچنان باید با دقت توسط انسان ردیابی می‌شدند و استفاده از تنها سه رنگ برای تمایز جمعیت بالای نورون‌ها کافی نبود.

پیشرفت‌های تکنولوژیکی با QDyeFinder

تیم تحقیقاتی تلاش کرد تعداد رنگ‌ها را از 3 به هفت افزایش دهد، اما مشکل بزرگ‌تر، محدودیت‌های درک رنگ توسط انسان بود. اگر به دقت به هر صفحه تلویزیونی نگاه کنید، خواهید دید که پیکسل‌ها از سه رنگ ساخته شده‌اند: آبی، سبز و قرمز. هر رنگی که ما می‌توانیم درک کنیم ترکیبی از این سه رنگ است، زیرا ما در چشمان خود تنها حسگرهای آبی، سبز و قرمز داریم.

ماشین‌ها اما چنین محدودیتی ندارند. بنابراین، ما روی توسعه ابزاری کار کردیم که بتواند این ترکیبات رنگی وسیع را به طور خودکار تشخیص دهد. همچنین، این ابزار را به گونه‌ای طراحی کردیم که بتواند نورون‌ها و آکسون‌های یک رنگ را به طور خودکار به هم بچسباند و ساختار آنها را بازسازی کند. ما این سیستم را QDyeFinder نامیدیم.

QDyeFinder با شناسایی خودکار قطعات آکسون و دندریت در یک نمونه کارِ خود را آغاز می‌کند. پس از شناسایی اطلاعات رنگی هر قطعه، با استفاده از یک الگوریتم یادگیری ماشین به نام dCrawler که همین تیم توسعه داده‌اند، اطلاعات رنگی گروه‌بندی می‌شوند، به طوری که آکسون‌ها و دندریت‌های یک نورون شناسایی شوند.

لیو توضیح می‌دهد:

وقتی نتایج QDyeFinder را با داده‌های نورون‌های ردیابی شده دستی مقایسه کردیم، دقت تقریباً مشابهی داشتند. QDyeFinder حتی در مقایسه با نرم‌افزارهای ردیابی موجود که به‌طور کامل از یادگیری ماشین  استفاده می‌کنند، آکسون‌ها را با دقت بسیار بالاتری شناسایی می‌کند.

محققان امیدوارند که ابزار جدیدشان بتواند در جستجوی مداوم برای نقشه‌برداری از اتصالات مغز پیشرفت کند. آن‌ها همچنین می‌خواهند ببینند که آیا روش جدیدشان می‌تواند برای برچسب‌گذاری و ردیابی انواع دیگر سلول‌ها پیچیده مانند سلول‌های سرطانی و سلول‌های ایمنی بدن اعمال شود یا خیر.

ایمای نتیجه‌گیری می‌کند:

ممکن است روزی بیاید که ما بتوانیم اتصالات مغز را بخوانیم و بفهمیم که برای آن فرد چه معنایی دارند یا چه موضوعی را در مورد آن‌ها آشکار می‌کننند. من شک دارم که این پیشرفت در طول عمر من اتفاق بیفتد، اما کار ما نشان‌دهنده یک قدم ملموس به جلو در درک شاید پیچیده‌ترین و مرموزترین بعد وجودی ما است.

منبع: Scitechdaily

مقالات مشابه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *