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」。


Cookie 消失?試試看全新 AI 影像內容辨識:讓用戶看的內容決定看到的廣告

Google Chrome 即將淘汰幫助廣告主的工具—— Cookie ,它的離去將再一次地影響數位廣告產業。
評論
Photo Credit:<a href="https://www.shutterstock.com/zh/image-photo/ai-artificial-intelligence-big-data-internet-1075853384" target="_blank">shutterstock</a>
評論

透過GA分析進站者發現, Safari的新客數越來越多,難道這表示 iOS 的用戶數也跟著增加了嗎?注意了,這有可能是 Apple 封鎖第三方 Cookie 帶來的影響。隨著 Google 即將淘汰 Chrome 上的 Cookie ,這個幫助廣告主記住用戶受眾的小工具,將要再一次地影響數位廣告產業。

Photo Credit:驚點股份有限公司( FreakOut Taiwan )

後 Cookie 時代的廣告受眾如何鎖定?

各大廣告平台在過去幾年不斷地透過 Cookie 以及其它方式,悄悄收集使用者的用戶數據,隨著這幾年用戶的隱私權意識抬頭, Apple 與 Google 對於藉由 Cookie 辨識用戶資料的廣告投遞方式,持有不同的態度,這也將是所有廣告主的極大挑戰。當 Cookie 不復存在,要如何辨識使用者資料?

Cookie 消失了,或許會有新的數據辨識工具來取代,但是任何試圖跟蹤受眾的方式,都難以符合大眾對於保護隱私權的期望。另一方面,也極有可能無法再通過日趨嚴格的媒體監管限制。無論如何,數位廣告不能像過去一樣,無條件地使用類似 Cookie 的追蹤方式,來達到與現在同樣的廣告效果。

後 Cookie 時代內容辨識類型的廣告鎖定方式,將成為未來具指標性的投放策略。廣告與瀏覽平台或內文主題的高相關性,不僅能顯著提高受眾的互動度,更重要的是,完全不需要收集任何個人數據。

FreakOut Taiwan 不斷嘗試更友善的廣告投遞形式, 自 2016 年進入台灣市場的原生廣告,到 2020 年末引進「 Mirrors 」 AI 影像視覺內容辨識系統,都是以網路使用者的角度出發。「 Mirrors 」不需要使用傳統的受眾興趣設定,即可針對「目標受眾在觀看的影像內容」、「品牌自身競爭對手或相關指定系列產品出現的影片」來投遞 YouTube 上的影音廣告。

Photo Credit:驚點股份有限公司( FreakOut Taiwan )

AI 人工智慧影像技術突破,推動新一代內容辨識功能

傳統的內容比對廣告皆為自然語言處理 NLP 中心,基於「純文字」的比對來顯示相關廣告,如大家很熟悉的 Google AdSense 。但是,結合新興的 AI 演算和複雜的圖像辨識,已然能夠達到「影片」的內容偵測,透過增加多個比對層和基於自然語言處理 NLP 的基準定位,可深度學習並提供更精細的辨識洞察力。

舉例來說,若想要將汽車廣告投放給對汽車有興趣的人,我們要先從可能對汽車感興趣的受眾中開始推估,並且根據過去的經驗加入不同的興趣條件,最後針對素材更進一步地測試。透過 Mirrors ,我們可以讓廣告出現在有滿足特定條件的影片內,例如:在消費者觀看的影片中,出現汽車評測報告、自家品牌或競爭對手的 LOGO 、代言人等指定條件,再依照不同廣告主設定的預算判斷是否露出廣告。

藉由這樣的影像比對方式,可以更有效地根據消費者行為觸發廣告投遞條件,而不再是現行的用戶受眾數據。人的興趣是多樣且多變的,當對汽車有興趣的用戶在完成汽車的選購後,短期內將不會再瀏覽相關資訊,轉而瀏覽其他更具時效性的內容。透過消費者當下正在觀看的影片內容,取代消費者身上被貼上的數位標籤,將更貼近消費者本身的使用行為。

Photo Credit:驚點股份有限公司( FreakOut Taiwan )

Mirrors AI 影像辨識:用消費者看的內容決定廣告

2021 年台灣數位報告指出,台灣人在各網路內容服務中,最愛「網路影片」的比例高達 97.9%,遠超過 Vlog、串流音樂、網路廣播、Podcast 。

影音廣告早已是品牌經營的趨勢:根據 DMA 2019 年台灣數位廣告量統計報告指出,台灣各類型廣告中,影音廣告以 37.2% 的成長比例大幅領先奪冠。其中 YouTube 持續蟬聯台灣最常被造訪網站第 2 名(僅次於 Google ) ,在台灣各大影音平台中的觸及率及影響力不容小覷。

2021 年 FreakOut Taiwan 已與客戶合作,進行搭載新系統的 YouTube 串流內廣告投遞,在針對品牌及產品客製化的多層鎖定策略建議下,房地產廣告的 CTR 表現高於平均,並發現「人臉」群組辨識表現為佳,其中多為財經、名嘴等名人。而美妝品牌廣告 VTR 表現優異,則以品牌「 Logo 」、「人臉」群組有最出色的表現。

本文章內容由「驚點股份有限公司( FreakOut Taiwan )」提供,經關鍵評論網媒體集團廣編企劃編審。