Hành trình Khoa học, Không gian và Thời gian!
Các nhà nghiên cứu đã xây dựng một mạng lưới thần kinh bắt chước hệ thống thị giác của ruồi giấm và có thể phân biệt và xác định lại ruồi. Điều này cung cấp bằng chứng cho thấy tầm nhìn của ruồi giấm khiêm tốn rõ ràng hơn so với suy nghĩ trước đây.
Trong một dự án liên ngành do Viện nghiên cứu nâng cao (CIFAR) của Canada tài trợ, các nhà nghiên cứu tại Đại học Guelph và Đại học Toronto, Canterauga đã kết hợp chuyên môn về sinh học ruồi giấm với học máy để xây dựng thuật toán dựa trên sinh học. Các video có độ phân giải thấp của ruồi giấm để kiểm tra xem liệu hệ thống có các ràng buộc như vậy có thể thực hiện được một nhiệm vụ khó khăn như vậy hay không.
Ruồi giấm có đôi mắt ghép nhỏ chứa một lượng thông tin thị giác hạn chế, ước tính có 29 đơn vị bình phương. Quan điểm truyền thống là một khi hình ảnh được xử lý bởi ruồi giấm, nó chỉ có thể phân biệt các đặc điểm rất rộng. Nhưng một phát hiện gần đây cho thấy ruồi giấm có thể tăng cường độ phân giải hiệu quả bằng các thủ thuật sinh học tinh tế đã khiến các nhà nghiên cứu tin rằng tầm nhìn có thể đóng góp đáng kể cho đời sống xã hội của ruồi. Điều này, kết hợp với việc phát hiện ra rằng cấu trúc của hệ thống thị giác của họ trông rất giống Mạng lưới Convolutional sâu (DCN), khiến nhóm nghiên cứu đặt câu hỏi: “chúng ta có thể mô hình hóa một bộ não ruồi có thể nhận dạng cá nhân không?”
Chương trình máy tính của họ có đầu vào lý thuyết và khả năng xử lý giống như ruồi giấm và được huấn luyện trên video về một con ruồi trong hai ngày. Sau đó, nó đã có thể xác định một cách đáng tin cậy cùng một con ruồi vào ngày thứ ba với điểm F1 (một biện pháp kết hợp độ chính xác và thu hồi) là 0,75. Thật ấn tượng, điều này chỉ kém hơn một chút so với điểm số 0,85 và 0,83 đối với các thuật toán mà không có sự ràng buộc của sinh học não ruồi. Để so sánh, khi được giao nhiệm vụ dễ dàng hơn là phù hợp với ‘Mugshot’ của một con ruồi đến một lĩnh vực gồm 20 người khác, các nhà sinh học ruồi người có kinh nghiệm chỉ đạt được số điểm 0,08. Cơ hội ngẫu nhiên sẽ đạt 0,05.
Theo Jon Schneider, tác giả đầu tiên của bài báo được xuất bản trên PLOS ONE trong tuần này, nghiên cứu này chỉ ra “khả năng trêu ngươi rằng thay vì chỉ có thể nhận ra các phạm trù rộng lớn, ruồi giấm có thể phân biệt các cá thể. bên cạnh một cái khác, đó là “Chào Bob, Hey Alice.” “
Graham Taylor, một chuyên gia về máy học và là học giả toàn cầu của CIFAR Azrieli trong chương trình Học về máy móc và bộ não, đã rất phấn khích trước viễn cảnh đánh bại con người trong một nhiệm vụ trực quan. “Rất nhiều ứng dụng Deep Neural Network cố gắng tái tạo và tự động hóa các khả năng của con người như nhận dạng khuôn mặt, xử lý ngôn ngữ tự nhiên hoặc nhận dạng bài hát. Nhưng hiếm khi chúng vượt quá khả năng của con người. Thật thú vị khi tìm thấy một vấn đề mà thuật toán có thể vượt trội hơn con người.”
Các thí nghiệm đã diễn ra trong phòng thí nghiệm Joel Levine của Đại học Toronto, Joel Levine, một thành viên cao cấp trong chương trình Phát triển trí não và trẻ em CIFAR. Ông có hy vọng cao cho tương lai của nghiên cứu như thế này. “Cách tiếp cận của việc ghép các mô hình học sâu với các hệ thần kinh là vô cùng phong phú. Nó có thể cho chúng ta biết về các mô hình, về cách các nơ-ron giao tiếp với nhau và nó có thể cho chúng ta biết về toàn bộ động vật. lãnh thổ. “
Nguồn tin tức:
Tài liệu được cung cấp bởi Viện nghiên cứu cao cấp Canada . Lưu ý: Nội dung có thể được chỉnh sửa cho kiểu dáng và độ dài.
Tạp chí tham khảo :