人工知能で自我・魂は作れるか？その３

**オーバーテクナナシー** · 2017/12/30(土) 11:52:39.28

自由に語ろう

【前スレ】
人工知能で自我･魂は作れるか？２ＡＩ [無断転載禁止]©2ch.net
http://rio2016.2ch.net/test/read.cgi/future/1500306941/

**オーバーテクナナシー** · 2017/12/30(土) 12:06:46.05

スレの住人の了解も得ずに乱発するのは良くないよ。

**オーバーテクナナシー** · 2017/12/30(土) 12:13:37.13

>>1
ID:gOEuFdRe
さんは立て逃げせずにスレ主として最後の1000レスまで責任とって下さいね。
よろしくお願いいたします。

**オーバーテクナナシー** · 2018/05/17(木) 13:40:31.36

いろいろと役に立つPCさえあれば幸せ小金持ちになれるノウハウ
暇な人は見てみるといいかもしれません
グーグルで検索するといいかも『ネットで稼ぐ方法　モニアレフヌノ』

U600P

**オーバーテクナナシー** · 2018/05/20(日) 01:55:10.35

鬼灯「呪いの人形には魂があるから人工知能乗っけるには、うってつけなんですよ」

**オーバーテクナナシー** · 2018/05/20(日) 04:08:28.47

黒い混沌➕シロクマ＝🐼
黒➗白＝23％☺

**オーバーテクナナシー** · 2018/07/19(木) 09:12:21.38

GoogleがAIを使って脳組織をイメージ化する技術を開発
http://gigazine.net/...-maps-brains-neuron/
http://gigazine.net/news/20180717-google-maps-brains-neuron/
High-precision automated reconstruction of neurons with flood-filling networks | Nature Methods
https://www.nature.com/articles/s41592-018-0049-4

Google AI Blog: Improving Connectomics by an Order of Magnitude
https://ai.googleblog.com/2018/07/improving-connectomics-by-order-of.html

Google researchers create AI that maps the brain’s neurons
https://venturebeat.com/2018/07/16/google-researchers-create-ai-that-maps-the-brains-neurons/

**オーバーテクナナシー** · 2018/07/19(木) 09:19:17.39

High-precision automated reconstruction of neurons with flood-filling networks | Nature Methods
洪水充填ネットワークを用いたニューロンの高精度自動再構成
MichałJanuszewski、ヨルゲン・コーンフェルド、[...]
自然法（2018） | 引用をダウンロードする

抽象
体積電子顕微鏡データから神経回路を再構築するには、それらの全ての神経突起を含む細胞全体を追跡する必要がある。
追跡のための自動化されたアプローチが開発されているが、それらの誤り率は高すぎるため、広範な人間の校正なしに信頼性の高い回路図を生成することはできない。
我々は洪水充填ネットワークを提示しています。
これは、以前のほとんどの努力と同様に、畳み込みニューラルネットワークを使用しますが、
個々のニューロンプロセスの反復最適化と拡張を可能にする反復経路を含みます。
我々は、ゼブラフィンチ脳の連続的なブロック - 顔電子顕微鏡によって得られたデータセットのニューロンを追跡するために、
洪水充填ネットワークを使用した。
我々の方法を用いて、我々は1.1mmの平均誤差のない神経突起の経路長を達成し、
97mmのパス長のテストセットでは4回の合併しか観察されなかった。
洪水充填ネットワークの性能は、このデータセットに適用された以前のアプローチよりも大幅に優れていましたが、計算コストは大幅に増加しました。

**オーバーテクナナシー** · 2018/07/19(木) 09:27:54.63

Google AI Blog: Improving Connectomics by an Order of Magnitude
大きさの順にコネクトミックスを改善する
2018年7月16日（月曜日）
GoogleでConnectomicsのソフトウェアエンジニア、Michal Januszewski、Viren Jain、研究者、科学者、および司会者Connectomics

の分野は、脳の仕組みをよりよく理解するために、神経系に見られるニューロンネットワークの構造を包括的にマッピングすることを目指しています
働くこのプロセスは、ナノメートルの分解能（典型的には電子顕微鏡を使用して）で3次元の脳組織を画像化し、
次いで得られた画像データを分析して脳の神経突起を追跡し、個々のシナプス接続。
イメージングの高分解能のために、立方ミリメートルの脳組織でも1,000テラバイト以上のデータを生成することができます。
これらの画像の構造が非常に微妙で複雑であるという事実と組み合わされると、
脳マッピングにおける主要なボトルネックは、データ自体の取得ではなく、
これらのデータの解釈を自動化しています。
洪水充満ネットワークを用いた3D画像セグメンテーション
大規模電子顕微鏡データにおける神経突起のトレースは、画像セグメンテーションの問題の一例です。
従来のアルゴリズムでは、エッジ検出器または機械学習分類器を使用して神経突起間の境界を見つけ、
境界線で区切られていない画像ピクセルを、流域またはグラフカットなどのアルゴリズムを使用してグループ化した。
2015年には、これらの2つのステップを統合したリカレントニューラルネットワークに基づく代替アプローチを試し始めました。
アルゴリズムは、特定のピクセル位置にシードされ、
次に、どのピクセルがシードと同じオブジェクトの一部であるかを予測する反復畳み込みニューラルネットワークを使用して、
領域を反復的に「塗りつぶす」。
2015年以来、我々は大規模なコネクトミックスのデータセットにこの新しいアプローチを適用し、
その正確さを厳密に定量化するために取り組んできました。

**オーバーテクナナシー** · 2018/07/19(木) 09:35:21.21

https://1.bp.blogspot.com/-GvN3s9zAd2E/WzQamIoyrMI/AAAAAAAADGU/UqSwCwOw7XQuBkk3iJQEpiHMRmEpt-hvgCLcBGAs/s1600/image3.gif
予想されるランレングスによる正確度の測定
マックスプランク研究所のパートナーと協力して、
次のことを測定する「期待ランレングス」（ERL）と呼ばれる指標を考案しました。
脳の3D画像内のランダムなニューロン内のランダムな点何らかの間違いをする前にニューロンをどれだけ追跡することができますか？
これは、この場合、時間の長さではなく、失敗の間隔の大きさを測定することを除いて、平均故障間隔メトリックの例です。
エンジニアにとって、ERLの魅力は、それが線形で物理的な経路の長さをアルゴリズムによって作られた個々の誤りの頻度と関連づけ、それが直接的に計算できることである。
生物学者にとって、ERLの特定の数値は生物学的に関連する量、
例えば、神経系の異なる部分におけるニューロンの平均経路長。
ソングバードConnectomics
私たちは、1万立方ミクロンの範囲内のニューロンのグラウンド・トゥルースセットに私たちの進捗状況を測定するために
ERLを使用キンカチョウ使用して、当社の協力者によって撮像された曲、
鳥の脳シリアルブロックフェイス走査電子顕微鏡を、我々のアプローチは非常に優れた性能を発揮することを発見しました
同じデータセットに適用された以前のディープ学習パイプラインよりも優れています。
我々は、ここに描かれているように、新しい洪水充填ネットワーク手法を使用して、
ゼブラフィンチの歌鳥の脳の小さな部分のすべてのニューロンをセグメント化しました
https://youtu.be/X4eVmSxTZ8Y