神经生物学家为分析大脑线路编制了一个神经网络
意识是如何产生的?研究人员怀疑这个问题的答案在于神经元之间的联系。然而，不幸的是，我们对大脑的线路知之甚少。这也是由于时间的问题:在收集的数据中追踪连接将需要大量的人工小时，因为到目前为止还没有计算机能够足够可靠地识别神经细胞的接触。马普神经生物学研究所的科学家们计划在人工智能的帮助下改变这一现状。他们已经训练了几个人工神经网络，从而极大地加速了神经回路的重建。
神经元需要陪伴。单独来说，这些细胞的作用很小，但当它们联合起来时，神经元形成了一个强大的网络，控制着我们的行为等。作为这个过程的一部分，细胞通过它们的接触点——突触——交换信息。关于哪些神经元在何时何地相互连接的信息对于我们理解基本的大脑功能和高级过程(如学习、记忆、意识和神经系统疾病)至关重要。研究人员怀疑，这一切的关键在于人类大脑中大约1000亿个细胞的连接方式。
为了能够使用这把钥匙，连接体，即大脑中的每一个神经元及其数千个接触和伙伴细胞，必须被绘制出来。就在几年前，实现这一目标似乎遥不可及。然而，马克斯·普朗克神经生物学研究所电子-光子-神经元部门的科学家们拒绝被一些似乎“无法实现”的概念所吓倒。因此，在过去的几年里，他们已经开发和改进了染色和显微镜方法，可以用来将脑组织样本转化为高分辨率的三维图像电子显微镜图像．他们最新的显微镜，正在被该部门作为原型使用，在暴露下一层样品之前，用91个电子束平行扫描样品表面。与之前的模型相比，这将数据采集率提高了50倍以上。因此，只需几年而不是几十年，就可以绘制出整个老鼠的大脑。
虽然现在有可能将一块脑组织分解成数十亿像素，但对这些像素的分析电子显微镜图像需要很多年。这是由于标准的计算机算法往往太不准确，无法可靠地追踪神经元“超薄的投射距离，并识别突触。由于这个原因，人们仍然不得不在电脑屏幕前花费数小时在电子显微镜产生的成堆图像中识别突触。
神经网络的训练
然而，由Jörgen Kornfeld领导的马克斯·普朗克科学家们现在已经在人工神经网络．这些算法可以从例子和经验中学习，并基于这些知识进行概括。目前，它们已经在图像处理和模式识别中得到了非常成功的应用。“因此，使用人工网络来分析真正的神经网络并不是一个很大的延伸，”研究负责人Jörgen Kornfeld说。然而，事情并不像听起来那么简单。几个月来，科学家们一直在训练和测试所谓的卷积神经网络，以识别细胞延伸、细胞成分和突触，并将它们彼此区分开来。
经过短暂的训练阶段，生成的SyConn网络现在可以自主且非常可靠地识别这些结构。它在鸣禽大脑数据上的应用表明，SyConn非常可靠，不需要人类检查错误。“这真是太棒了，因为我们没想到错误率会这么低，”科恩菲尔德对SyConn的成功明显感到高兴，这是他博士研究的一部分。他完全有理由为新开发的神经网络将使神经生物学家在未来从数千小时的单调工作中解脱出来。因此，它们也将减少解码连接体所需的时间，也许还会减少解码意识所需的时间。
进一步探索
