《Nature Methods》谷歌《使用Flood－Filling网络高效自动重建神经元》的一篇新论文（利用洪水填充网络对神经元进行高精度自动重建）发表了。
在这篇论文中，谷歌描述了他们创建的人工智能系统如何帮助神经科学家更好地理解大脑的结构和功能。
人脑可能包含约 1 亿个神经元，通过 1 亿个突触联网。
如果对单个立方毫米神经元进行成像，则可以生成超过 TB 的数据。
如果神经科学家想要给所有这些都贴上标签，可能需要 10 万个小时。
对此，谷歌与马克斯·普朗克研究所的研究人员合作创建了一个人工智能系统，只需7天的训练就可以完成与上述相同的工作。
过去，研究人员会使用边缘检测算法首先识别神经节之间的边界，然后使用分水岭或图割等算法来组合未被边界分割的图像像素。
相比之下，谷歌和马克斯普朗克研究所提出的“地板填充网络”模型将传统的两个步骤合二为一。
具体来说，新算法从特定的像素位置开始生长，并使用循环卷积神经网络不断填充一个区域，以预测哪些像素与原始像素属于同一对象。
众所周知，在谈论智能时，我们经常会提到对“人脑”的研究，因为这是让人工智能变得更加“智能”的关键，而对大脑的了解不足也阻碍了人们的研究。
进步。
对此，谷歌的这一新成果提供了很大的帮助。
“这个项目真正影响的是神经科学研究的数量，以全面的方式研究大脑中神经元的实际模式，这对于神经科学家来说是历史上不可能的。
”谷歌研究员、论文主要作者 Veron Viren Jain 表示。