機器學習新突破!Google 用 AI 自動重構大腦神經元

Google 與神經生物學研究所合作在《Nature Methods》發表了一篇重磅論文,使用迴圈神經網路演算法自動重構神經元連接組,不僅可對連接組做高解析度的可視化成像,且準確度提高一個量級,為連接組學的研究帶來新突破。
評論
Photo Credit:Google
評論

本篇來自合作媒體 雷鋒網 ,INSIDE 經授權轉載。

近日,Google 與馬克斯‧普朗克神經生物學研究所合作,在《Nature Methods》發表了一篇重磅論文,使用迴圈神經網路演算法自動重構神經元連接組,不僅可對連接組做高解析度的可視化成像,且準確度提高一個量級,為連接組學的研究帶來新突破。

在神經系統繪製神經網路架構──是稱為「連接組學」(connectomics)的研究領域──無疑屬於計算密集型。

人類大腦約有 860 億個透過 100 萬億個突觸連接的神經元,成像一個立方公厘大的大腦組織,就可生成超過 1,000TB 的資料(10 億張照片)。

據《連接組:造就獨一無二的你》(Connectome: How the Brain’s Wiring Makes Us Who We Are,暫譯)這本書介紹,連接組學是透過分析神經元之間的連線和組織方式,分析大腦執行機制的終極目的學科。連接主義認為大腦的工作機制就在神經元的連接。如果兩個神經元之間有一個突觸交會點,那麼這兩個神經元就是「有連接」。透過突觸,一個神經元可把資訊傳遞給另一個神經元。

AI 助力神經元連接組可視化成像,準確度提高一個量級

為了看到連接組,科學家經歷了各種探索。比較常用的是幫大腦組織染色,然後用電子顯微鏡觀察大腦切片,以此獲得神經元連接的大量局部具體資訊,再聚在一起構成大腦整個神經網路資訊,但具體作業要克服許多困難,耗費大量人力物力。第二種是透過 MRI(核磁共振)觀測活體大腦,但解析度較低,只有公厘級。

如果我們能將大腦突觸連接的資訊和連接組資訊進行高解析度的可視化成像,那麼一個人大腦是否受損就能一目了然,針對性治療一些高難度的腦部疾病都將成為可能。

7 月 16 日,發表於《Nature Methods》雜誌的《利用泛洪網路對神經元進行高精度自動重構》(High-Precision Automated Reconstruction of Neurons with Flood-Filling Networks)論文,Google 和馬克斯‧普朗克神經生物學研究所(Max Planck Institute of Neurobiology)的科學家展示一種迴圈神經網路演算法(常用於手寫和語音辨識的機器學習演算法),是專為連接組學分析量身定做。

Google 研究人員並不是第一個將機器學習應用於連接組學的人。今年 3 月,英特爾與麻省理工學院的電腦科學和人工智慧實驗室合作,開發「下一代」大腦影像處理系統。但 Google 聲稱,他們的模型比英特爾等企業發表的深度學習技術,準確性提高了一個量級。

利用泛洪網路(Flood-Filling Networks)演算法分割三維影像

用大型電子顯微鏡資料追蹤神經網路是影像分割的常用方法。傳統演算法將這過程劃分為至少兩步驟:使用邊緣偵測器或機器學習分類器找到神經網路之間的界線,然後使用 watershed 或 graph cut 等演算法分組未被界線分割的影像像素。

2015 年,研究人員開始嘗試一種基於遞迴神經網路的替代方案,將這兩步結合起來。該演算法在一個特定的像素定點,然後使用迴圈卷積神經網路更新「填補」一個區域,神經網路可預測哪些像素與初始像素相同。

設定預期執行長度測量準確性

自 2015 年以來,研究人員一直致力於將這種新方法應用於大型連接組資料集,並嚴格量化準確性。

為了檢驗準確性,研究小組設定了「預期執行長度」(ERL)指標,在大腦 3D 影像隨機抽取神經元並追蹤,然後測量演算法出錯前追蹤神經元的距離。

研究小組報告說,掃描 100 萬立方微米的斑胸草雀大腦腦部,並用 ERL 測量後,模型的表現比之前演算法「好多了」。

 

「這些自動化產生的結果結合少量人力投入,就可消除剩餘誤差,馬克斯‧普朗克研究所的研究人員現在可以研究鳴禽連接組,進而獲得新發現,如斑胸草雀如何唱歌,又是如何學習唱歌」,這篇論文的作者 Viren Jain 和 Michal Januszewski 在部落格寫道。

除了論文,團隊還在 Github 發表模型的 TensorFlow 程式碼,以及他們用來做資料庫可視化和改進重構結果的 WebGL 3D 軟體。他們計畫在未來改進系統,以使突觸分析過程完全自動化,並「為馬克斯‧普朗克研究所和其他機構的項目提供幫助」。


助攻金融科技!訊連科技推出 FaceMe® Fintech 解決遠距投保、視訊會議、人臉辨識三大難題

因應疫情時代的視訊投保需求,以及各種遠端金融服務場景,訊連科技推出 FaceMe® Fintech 一站式解決方案,解決遠距投保、視訊會議、人臉辨識三大難題。
評論
Photo Credit:訊連科技
評論

受疫情影響,金管會於今年 6 月宣佈視訊投保暫行方案,確保壽險業者各項服務及業務不因疫情影響中斷;截至7月底止,已有不少知名金融保險業者獲准試辦遠距投保業務項目。

目前小規模試辦的結果,卻因為市面上欠缺可整合視訊會議及 eKYC(Electronic Know Your Customer)的解決方案,業者大多得透過整合多套不同服務,例如:採用 Teams、Webex 或  LINE 等工具進行視訊會議,或保險簽單需事先提供予客戶列印、簽名,又或者是透過第三方的方式錄影(如透過手機或攝影機翻拍)等,導致使用者體驗不佳。此外,這樣的做法還是仰賴保險業務員以肉眼比對投保人及身分證,仍有冒用風險。

對於未來大幅度開放遠距投保,勢必需要更成熟、高度整合的解決方案。

訊連科技推出 FaceMe® Fintech 解決方案,解決遠距投保的身份認證難題

以保險、金融應用來說,目前主流的生物辨識 eKYC 技術主要包含:人臉辨識、指紋辨識、虹膜辨識等。其中,人臉辨識在過去數年來,因為深度學習技術導入,辨識度大幅提高,加上辨識速度快、無須專用硬體(可使用裝置上的相機)即可進行遠端辨識,大大降低接觸風險,因此也在這幾年成為生物辨識技術的主流。

只不過,目前全球的人臉辨識技術大多為中國廠商,在台灣要落地應用,恐怕會有資安疑慮,無法安心採用。

Photo Credit:訊連科技/訊連科技推出人臉辨識產品 FaceMe® 並可作為一系列金融科技解決方案。

值得注意的是,過去以威力導演、PowerDVD 等軟體知名的「訊連科技」,近年來也跨足 eKYC、AI 領域,擴充人臉辨識產品,推出「FaceMe® AI 人臉辨識引擎」,提供高達 99.7% 準確度的人臉辨識服務,並於全球知名的 NIST(美國國家標準暨技術研究院)之 FRVT 人臉辨識基準測試中,於 1:1(人證比對)及 1:N(身份認證)項目排行全球第六,除了是台灣排名最佳的廠商之外,也是該項測試排除中、俄廠商的全球第一。這樣的技術,也是訊連科技針對金融保險業者的 FaceMe® Fintech 解決方案中,重要的核心之一。

辨明真偽!FaceMe® Fintech 提供整合性的金融科技解決方案

談到金融科技,除了資安、金流系統之外,在講求無遠弗屆的遠端服務時,辨明真偽更是信任基礎的第一步。因此,訊連科技的 FaceMe® Fintech 以精準辨識的技術為核心,為金融、保險應用提供一系列解決方案,包含:

  1. eKYC SDK 提供人臉辨識、身分證真偽辨識、活體辨識、人證比對等功能。
  2. 視訊會議 SDK 提供金融保險業者於公有雲或私有雲架設視訊會議、進行錄音錄影、畫面分享,業務員能透過畫面分享進行保單說明。以公有雲來說,FaceMe® Fintech 的視訊會議採用位於台灣機房的 GCP (Google Cloud Platform),即可符合資料落地的需求。

其中,視訊會議 SDK 功能完整,有諸多優勢。除了可於視訊會議過程中進行錄音錄影(符合金管會要求)、業務員能透過畫面分享進行保單說明之外,還有許多身分驗證服務,可導入包含:

  1. 身分證真偽辨識:透過 AI 辨識身分證是否為真,避免業務員肉眼誤判。此外,若有二階段認證需求,也提供聲紋比對功能。
  2. 活體辨識:避免透過相片或影片假冒身分。FaceMe® 的活體辨識可提供透過一般行動裝置之 2D 鏡頭、或是透過 3D 鏡頭(如 iPad Pro、iPhone X 等)進行活體辨識。
  3. 人證比對及核身:透過人臉辨識,比對證件照及鏡頭前的投保人是否為同一人,減少業務員肉眼誤判。
  4. OCR 光學字元辨識: 身分確認後,將證件資訊帶入保單,如姓名、身分證號、換發日期等,省去打字麻煩,加快投保速度。
Photo Credit:訊連科技/FaceMe® 可跨平台建置於 Windows、Linux、Android 與 iOS 等作業系統,亦可提供 HTTP API ,進行網銀服務串接。開發者可在各種終端設備或雲端服務中快速導入人臉辨識功能,進行身份辨識、身分驗證等多種應用。

不限智慧金融!FaceMe® 的其他廣泛應用:智慧安控、智慧健康量測

於前一陣子 IEEE 舉辦的 ICCV 電腦視覺大會中,訊連 FaceMe® 活體辨識成績為全球第三,且是排除中、俄廠商的全球第一。 FaceMe® 除了核心的跨平台軟體開發套件外,也針對安控、金融保險等應用,提供垂直整合方案。

除了上述保險應用之外, FaceMe® 也可廣泛使用於遠距開戶、 ATM 無卡交易、行動網銀身分辨識、遠距客服等服務,或是於分行內建立迎賓系統、黑名單偵測、機房金庫的門禁管理等;在疫情時代下,也提供非接觸性的健康量測功能,例如偵測是否配戴口罩,或偵測訪客額溫等。如果終究都要推行遠端,何不現在就了解 FaceMe® 各種強大的應用之處?