Yahoo奇摩 網頁搜尋

搜尋結果

  1. 2018年1月24日 · AI 入門必備懶人包:圖解 27 種神經模型,讓你秒懂差在哪. 【我們為什麼挑選這篇文章】初次接觸神經網路的人,大概都會出現「怎麼這麼多種神經網路?. 我要選哪個學?. 他們有啥差別?. 」的疑惑,而現在,有人將這些神經網路統整起來,圖片搭配簡易說明 ...

  2. 2019年12月5日 · 科學家研發仿真細胞微晶片,模擬神經元的電傳導特性 神經細胞或神經元遍布了人體的整個大腦和神經系統,並透過細長的神經叢發送信號,並將神經訊息自大腦傳遞到身體各處。

  3. 2024年7月23日 · Anthropic 的研究團隊嘗試透過「字典學習」破解 Claude 的神經網路,最終成功將 AI 所產生的部分「特徵」跟輸出結果進行關聯。. 換句話說,透過這種方法研究者將能夠藉由查找某些指定的特徵,並對應到特定的「輸入」跟「結果」,進一步理解 AI 模型 ...

    • 10 年前爆紅的「藍腦計畫」
    • 高喊模擬「人腦」的項目,卻只做到模擬「小鼠腦」
    • 模擬人腦 86 億神經元,根本不切實際
    • 網友反諷:「最大的 Bug 就是 Markram 本人」

    模擬的計劃由來已久,是 Markram 在德國海森堡普朗克醫學研究所擔任博士後時開始的「藍腦計畫」(Blue Brain Project),只不過那時的目標還不是人腦。 因為成功測量老鼠大腦兩個神經元之間電信號的強度,Markram 一戰成名,1998 年,他成為以色列雷霍沃特魏茨曼科學研究所的一名教授。 注意,這項研究的關鍵意義在於,給了電腦模擬人腦的學習能力一個可能。 於是,這就有了 2009 年,Markram 在 TED 大會上,向公眾宣佈了一個驚人大計劃: 他要在瞭解大腦結構的基礎上,用電腦創建一個複雜的數學模型,模擬人腦的 86 億個神經元和 100 萬億的突觸。 Markram 表示,研究一旦成功將對整個人類帶來極大意義: 為老年痴呆等疾病帶來革命性進展,研發出更智能認知能...

    雖然質疑頗多,但 HBP 也不能說是毫無成就。 經歷諸多質疑後,2015 年,HBP 終於做出成績:其論文 Reconstruction and Simulation of Neocortical Microcircuitry,登上了當年 10 月的《Cell》封面。 論文傳送門 在這篇論文中,他們首次用電腦模擬了含有 207 種亞型的大鼠神經網路,共包含 31,000 個神經元和 3,700 萬個神經突觸。 Markram 的研究思路從這個論文中也多少得以體現,他們將大鼠大腦進行切片處理,分析每一部分的神經元、分子生物學信息和電生理學特徵,然後在超級電腦中像拼圖一樣將其重構。 這項研究表明,動物大腦中的皮質柱(cortical column)是可以被仿真模擬的。 2018 年,HBP 再次...

    神經科學家們不看好 HBP,可不是一兩天的事了。 四年前,HBP 團隊在 Cell 上發佈小鼠大腦建模成果時,就引來了各國科學家的批評,他們認為這個項目沒什麼實際意義,純屬浪費錢,建模不是解決問題的途徑,建模就是問題本身,沒有試圖解決某個特定的研究問題。 當時,里斯本 Champalimaud 中心的神經科學家 Zachary Mainen 評價說,這個項目沒什麼吸引人的,只是工作量大而已。 德國法蘭克福馬克斯普朗克腦研究所主任 Moritz Helmstaedter 覺得,雖然把數據做出來是好的,但 HBP 只是拉大旗作虎皮,大肆宣傳,但實際上什麼新發現也沒有,「把一大堆數據放在一起並不是科學發現。」 而且,當時公佈的小鼠大腦模型遺漏了腦組織的許多要素,比如血管、神經膠質細胞,它們佔到了大...

    悉尼科學家 Jon Brock 想起了自己的「悲慘歲月」: 我 2013 年也被叫去弄一個澳大利亞版本的「HBP」,那會兒所有人都覺得這特別搞笑,但是沒人能想到啥更厲害的項目,所以我們最後提了一個沒這麼宏大的目標,最後不了了之了。 也有人覺得立 10 年 flag 這事太開玩笑: 對 10 年後最靠譜的預測只有:十年後我的體重會超過現在。 還有不少人,質疑歐盟給 10 億是有錢燒的: 要我說,這項目最大的 bug 就是 Markram 本人,歐盟怎麼能把 10 億歐元這麼大一筆錢扔給一個人管呢?這就跟寡頭一樣。還好他走了。 不知道他們之前這樣花了多少個 10 億歐元? 可能很多錢都花在了類似的項目上。 (本文經 AI 新媒體 量子位 授權轉載,並同意 TechOrange 編寫導讀與修訂標題...

  4. 2021年3月30日 · 功能性超聲是一種新方法,可以在不損傷大腦組織的情況下記錄詳細的大腦活動。 「我們挑戰了超聲神經成像的極限,並為它能夠預測運動而激動不已。 最令人興奮的是,這是一項具有巨大潛力的技術,只是我們為更多人帶來高性能、低侵入性 BMI 的第一步。 」該研究論文一作之一 Sumner Norman 表示。 非人靈長類動物大腦中脈管系統的細節,使用功能性超聲成像(圖源:S. Norman) 另一名參與者、加州理工學院的神經科學家 Richard Andersen 指出,這項技術仍然需要移除一小塊頭骨,但與直接讀取神經元電活動的「植入電極」不同,它不會打開大腦的保護膜。 功能性超聲可以讀取大腦深處的區域訊息,且無需穿透大腦組織。

  5. 2020年7月30日 · 該團隊研究出來的「人造皮膚」檢測到觸摸的速度是人類感覺神經的 1000 倍,而且可以在 10 毫秒內準確辨識物體的形狀、質地、硬度等,其速度比眨眼快上 10 倍,Tee 形容,「這是有史以來最聰明的皮膚」。 不過,這樣還不夠為機器人帶來觸覺,AI 專家 Harold Soh 指出,它還需要一個可以學習的人工大腦,以便完成最終目標:透過感知、學習並且解決現實中遇到的難題。 研究人員使用英特爾(Intel)的自我學習神經型態研究測試晶片「Loihi」 打造了該系統的人工大腦。 Loihi 能處理受到人類神經元啟發的人工脈衝神經網路(Spiking Neural Networks,SNNs)數據,總共包含約 130,000 個神經元,每個均可與數千個其他神經元相互通訊。

  6. 2017年10月5日 · Deepmind 最新論文:神經網絡技術模擬「人腦海馬體」,AI 預測能力準度更高、成本更低了!. 【我們為什麼挑選這篇文章】Deepmind 日前發表了最新論文,利用對於大腦「海馬體」的研究 找到神經網絡發展突破點。. 簡單來說,以往的方式是建立昂貴的 ...

  1. 其他人也搜尋了