谷歌研发新型人工智能系统，助力研究员绘制神经元

这一新系统帮助神经学家更好理解大脑结构和功能。

昨天，《Nature Methods》刊登了谷歌的一篇新论文《使用Flood-Filling网络高效自动重建神经元》（High-Precision automated reconstruction of neurons with flood-filling networks）。在这篇论文中，谷歌讲述了他们所创建的 人工智能 系统，是如何帮助神经学家更好理解大脑结构和功能的。

在人类的大脑中，大概包含了约860亿个通过100亿个突触联网的神经元，如果对单个立方毫米神经元进行成像，最后能够产生超过1000TB的数据。而如果神经科学家要对这些进行全部标注的话，这可能需要10万个小时。

针对这方面， 谷歌 与马克斯普朗克研究所的研究员一起合作打造了一个人工智能系统，只需要7天的训练，这一系统就能够完成与上面一样的工作。

在以往的做法中，研究员会使用边缘检测算法先行识别神经节之间的边界，继而用wateshed或graph cut等算法将未被边界分割的图像像素组合在一起。与之不同，谷歌与马克斯普朗克研究所提出的“floor-filling Networks”模型将传统的两个步骤合成一个步骤。

具体来讲，新算法会从特定像素位置开始生长，并使用循环卷积神经网络不断填充一个区域，进而预测哪些像素和初始像素属于同一物体。

众所周知，在提到智能性的时候，我们常常会提到对“人类大脑”的研究，因为这是让人工智能更为“智能”的关键，而对大脑的认知不足也阻碍了人们的研究进展。

这方面，谷歌的这一新成果提供了一大帮助。“这个项目真正影响的是可以完成的神经科学研究的数量，能够以全面的方式研究大脑中神经元的实际模式，这是历史上神经科学家所无法实现的。”谷歌研究员、论文主要作者维纶·贾恩（Viren Jain）表示。