デジタルツインブレイン:生物と人工知能の架け橋

デジタルツインブレイン:生物と人工知能の架け橋

人間の脳の構造にヒントを得た神経科学と AI 技術の最近の一連の進歩により、知性の謎を解き明かす新たな可能性が開かれました。現在、中国科学院オートメーション研究所の江天仔教授が率いる研究チームが、「デジタルツインブレイン」と呼ばれる革新的なプラットフォームの主要なコンポーネントと機能を概説しました。このプラットフォームは、生物知能と人工知能の間のギャップを埋め、双方に新しいタイプのソリューションを提供することが期待されています。

この研究は9月22日にIntelligent Computing誌に掲載された。

生物知能と人工知能の主な類似点は、どちらもネットワーク構造であるということです。脳は生物学的ネットワークで構成されているため、研究者は人工ネットワークを使用して対応するデジタルモデルまたは脳の「双子」を構築し、生物学的知能に関する知識をモデルに入力したいと考えています。この動きの最終的な目標は、「汎用人工知能の開発を促進し、精密なメンタルヘルスケアを推進すること」です。そして、この壮大な目標の実現は、世界中のあらゆる分野の科学者の共同の努力と切り離せないものであることは間違いありません。

デジタルツイン脳を使用すると、研究者は脳をシミュレート/調整してさまざまな状態でさまざまな認知タスクを実行することで、人間の脳の動作メカニズムを調査できます。例えば、安静時の脳の正常な機能や病気の際の異常をシミュレートしたり、脳の活動を調節して望ましくない状態から抜け出すための新しい方法を設計したりすることができます。

まるでSFのように聞こえますが、デジタルツインの脳にはしっかりとした生物学的理論的根拠があります。これは、構造的足場と生物学的制約メカニズムとして機能する脳マップ、脳機能をシミュレートするために生物学的データに基づいてトレーニングされたマルチレベルニューラルモデル、および現在の「双子」コピーを評価および更新するための一連のアプリケーションという 3 つのコア要素を統合します。

これら 3 つのコア要素は、閉ループを通じて継続的に発展し、相互に作用することが期待されます。動的脳マップは神経モデルを改善し、より現実的な機能シミュレーションを生み出すことができます。これまで、このようなモデルで構成された「双子」は、疾患バイオマーカーの発見や薬物試験など、ますます拡大する実際の応用シナリオで検証されてきました。これらのアプリケーションは継続的にフィードバックを提供し、それによって脳マップを強化して操作ループ全体を完了します。

生物の脳は複雑な構造と動的なシステムを持っているため、デジタルツインの構築ロジックを習得するには、異なるスケール、複数のモード、さらには異なる種のマップを含む、非常に詳細な脳マップを確立する必要があります。関連マップを包括的に収集することで、研究者は脳のさまざまな側面、および脳内のさまざまな領域間の接続と相互作用を深く探究し、最終的には脳組織化の原理の謎を解明することができます。

一方、脳マップには制約もあり、つまり「生物学的妥当性」を実現するためには神経モデルはマップに基づく必要があり、これも技術的な課題をもたらします。

江天仔氏のチームは、脳ネットワークグループマップがデジタルツイン脳の開発において重要な部分になると考えています。 2016年、中国科学院自動化研究所の研究者らは、マクロアトラスには246の脳領域が含まれており、脳の構造と接続性の「広範かつ詳細なマッピング」に向けて取り組んでいると発表した。

同時に、既存の脳シミュレーション プラットフォームには解剖学的根拠が欠けていることが多いため、著者らは「オープン ソースで、効率的で、柔軟性があり、ユーザー フレンドリーで、アトラスに制約された一連の脳シミュレーション プラットフォーム」を設計することが重要になると考えています。プラットフォームは、マルチスケールおよびマルチモーダルモデリングをサポートできるほど強力である必要があります。もちろん、複雑な生物学的知識をデジタルツインのコピーに効果的に織り込む方法、より優れたシミュレーションモデルを設計する方法、デジタルツインの脳を実際のシナリオに統合する方法など、解決すべき未解決の問題はまだたくさんあります。

全体として、このようなデジタルツイン脳は、神経科学と人工知能の融合を表しています。複雑な脳マップ、動的ニューラルモデル、幅広いアプリケーションを統合することにより、このプラットフォームは生物学的知能と人工知能に対する理解に革命をもたらす可能性があります。世界中の科学者の共同の努力により、デジタルツインブレインは汎用人工知能の発展を促進し、精密メンタルヘルスケアに革命をもたらし、最終的には人間の心を徹底的に把握し、インテリジェントテクノロジーの開発を計画し、脳疾患の革新的な治療法を模索する道を開くことが期待されています。

<<:  この方法を使えば誰でもLeetCodeで1位を獲得できる(再現可能)

>>: 

ブログ    

推薦する

Python で線形回帰機械学習モデルを作成する方法は? 「初心者ガイド」

線形回帰とロジスティック回帰は、現在人気のある 2 つの機械学習モデルです。 [[331887]]こ...

大手銀行はなぜ従業員にプログラミングの学習を求めるのでしょうか?あなたもその一人かもしれません

[51CTO.com 速訳] 海外の主要メディアであるフィナンシャル・タイムズとウォール・ストリート...

ジェネレーティブAIはCIOにとって成否を分ける瞬間

IT リーダーは、まずユースケースに合わせて戦略を最適化し、次世代 AI の可能性と落とし穴を実用的...

合理的強化学習はボトルネックに達しました。進化的アルゴリズムがその後継者となるでしょうか?

人工知能とゲーム理論の交差点から強化学習が生まれましたが、ゲーム理論に基づく問題解決は通常、合理性と...

自動運転の国家基準が導入される。2021年はレベル3自動運転車元年となるか?

自動運転は間違いなく自動車の究極の開発トレンドとなるため、多くのメーカーが現在、自動運転車の開発に多...

人工知能搭載の携帯電話は私たちの生活をどのように変えるのでしょうか? 携帯電話メーカーが何をしてきたか見てみましょう。

チャットができる「インテリジェント音声アシスタント」から、さまざまな家電を操作できるスマートスピーカ...

視覚と言語の多粒度の調整を学習しますか? Byte は、新しいマルチモーダル事前トレーニング方法 X-VLM を提案しました。コードがオープンソース化されました。

前面に書かれた視覚言語の事前トレーニングにより、多くの視覚言語タスクのパフォーマンスが向上します。し...

...

...

...

AIに取り組んでいる学部生がオンラインでクラッシュ:GitHubモデルの実行に3か月かかり、難しすぎる

この記事はAI新メディアQuantum Bit(公開アカウントID:QbitAI)より許可を得て転載...

AIが物流とサプライチェーン管理をどう変えるか

今日の急速に変化し、ますますグローバル化が進む世界では、物流およびサプライ チェーン業界は、世界中で...

ニューラルネットワークの発明者、福島邦彦氏が受賞、シュミットフーバー氏とフェイフェイ・リー氏が賛辞を送る

[[429116]]最近、福島邦彦氏が2021年度バウアー賞および科学業績賞を受賞したというニュース...