Вычислительные инструменты, используемые в беспилотных автомобилях, могут помочь нам понять, как устроен наш мозг.

Мозг, полный данных

Понимание биологии мозга - небольшая задача. Сгусток клеток внутри нашего черепа был назван самым сложным объектом во Вселенной. По уважительной причине.

Когда вы смотрите на миллиарды нейронов, обменивающихся информацией друг с другом через миллиарды синапсов, количество данных, которые вам нужно обработать, чтобы понять, что происходит, ошеломляет.

Все более подробные методы визуализации улучшают разрешение как в пространстве, так и во времени исследований мозга. Это позволяет нам начать смотреть на уровень отдельных ячеек и их связей, что дает мощный импульс области коннектомики. Цель коннектомики - составить карту связей в нервной системе организма.

Лучшее разрешение = больше деталей = хорошо для коннектомики.

Но также: лучшее разрешение = больше данных.

К счастью, достижения в области био-визуализации отражаются достижениями в обработке и обработке данных. Не в последнюю очередь благодаря прогрессу в области машинного обучения и искусственного интеллекта.

Автономный объезд

Одной из областей технологий, которая извлекла пользу из машинного обучения и стимулировала его развитие, является автономное управление транспортными средствами. Другими словами, в основном это беспилотные автомобили.

Управление движением затруднено, особенно в густонаселенных районах. Закодировать все возможные маршруты, правила и обстоятельства в программы, управляющие беспилотными автомобилями, было бы гигантской задачей.

Но что, если бы машины могли учиться сами?

В этом вся идея беспилотных автомобилей. Если они могут научиться водить машину, нам это не нужно. Дайте им важные правила и перенесите их в реальный мир. Там им нужно будет узнать, как и когда применять эти правила, какие сигналы нужно искать, как обращать внимание на другие машины и людей…

Также было бы очень удобно, если бы они научились решать, куда идти. Сопоставление данных GPS с реальным миром может показаться нам простым, но для беспилотных автомобилей это еще не прогулка (поездка?) В парк. Но прогресс налицо.

Перемещение по магистралям мозга

Почему бы не использовать инструменты, разработанные для автономной автомобильной навигации, чтобы найти дорогу по сложным нейронным магистралям, проходящим через наш мозг?

Именно это и сделала группа исследователей из Университета Джона Хопкинса в новом препринте (полная ссылка ниже).

Обычный подход к анализу сканированных изображений мозга (которые часто представляют собой трехмерную композицию из нескольких отдельных изображений) состоит в том, чтобы маркировать воксели (представьте себе трехмерные пиксели) в соответствии с (частью) нейрона, к которому они принадлежат. Затем по частям - или, лучше сказать, воксель за вокселем - мы можем составить общую картину нейронных сетей, наблюдаемых при сканировании.

Как вы понимаете, это очень ресурсоемкий процесс. Или, как говорят авторы:

… Подходы, которые может быть трудно реализовать в масштабе с учетом ограничений по расписанию, стоимости и ресурсам.

«Должен быть способ получше, - думали они. Что, если бы существовали программные инструменты, предназначенные для поиска путей в сложной среде? Беспилотные автомобили, кто-нибудь?

Именно это и сделала команда. Они изобрели виртуальных агентов, которые должны были «перемещаться» через сканирование мозга с учетом полей в окружающей среде. Эти поля представляют собой мембраны и синапсы, а также действия других «исследователей» (например, другой агент уже был здесь, исследуйте где-нибудь еще).

Крошечные виртуальные беспилотные автомобили, перемещающиеся по шоссе в мозгу. Или, чуть более научно:

… Рой виртуальных агентов для эффективного и надежного просмотра трехмерных наборов данных, создания разреженной сегментации путей и сбора информации о подключениях.

Эти крохотные исследователи преуспели.

Мы достигаем результатов, которые соответствуют современным требованиям или превосходят их, при значительно меньших вычислительных затратах.

Теперь исследователи стремятся развязать свой виртуальный исследовательский рой на других биомедицинских изображениях.

Врум…

Drenkow et al. (2020). Использование инструментов автономной навигации для быстрого и надежного подключения нейронов. bioRxiv. doi: 10.1101 / 2020.04.30.070755