Искусственный Интеллект пересекает новый рубеж: Мозги по требованию.

Искусственный Интеллект, его использование для создания модели мозга и как это поможет человечеству.

Вступление

У неврологии и Искусственного Интеллекта(ИИ) имеется долгая, пересекающаяся история. Первопроходцы в сфере Искусственного интеллекта вдохновлялись принципами работы мозга для создания умных машин. Однако сейчас всё перевернулось, и теперь уже ИИ помогает нам понять, как работает его вдохновитель: человеческий мозг. Использование ИИ для построения модели мозга называется нейронный Искусственный Интеллект(нейроИИ). За следующее десятилетие мы сделаем ещё более точную цифровую модель мозга, особенно модели наших наиболее выдающихся чувств: зрения и слуха. В результате, мы сможем скачивать и использовать сенсорные модели, по необходимости, с тем же удобством, с каким мы распознаём объекты или обрабатываем наш родной язык.

Множество неврологов и исследователей ИИ очень взбудоражены этой новостью – и это понятно. Мозги по требованию! Машина узнает, что значит видеть, чувствовать, быть человеком! Меньшему вниманию поддаётся тот факт, что эти навыки можно использовать с огромной пользой в индустрии. Я долгое время был исследователем в этой сфере, изучая, как мозг превращает видимую картинку во что-то осмысленное, ещё со времён получения докторской. Я видел прогресс сферы с момента её создания и я думаю, что настало время показать, как нейронный Искусственный Интеллект может повысить творческий потенциал и улучшить наше здоровье.

Я предсказываю, что нейронный Искусственный Интеллект изначально будет распространяться в творчестве и рекламе, особенно при подключении к ИИ нового поколения, такими как GPT-3 и DALL-E. Искусственный Интеллект нынешнего поколения может создавать креативные вещи, но он не может сказать вам наверняка, что итог работы будет подходить выбранной аудитории – но нейронный Искусственный Интеллект будет на это способен. К примеру, мы могли бы, методом проб и ошибок, с помощью фокус-групп и А/В тестов создать такой контент, который будет показывать именно то, что нам нужно. Огромный рынок потребителей, желающих получить данную услугу, будет создавать цикл, раз за разом улучшающий модели нейроИИ.

Итоговые, прокачанные модели можно будет применять в сферах здоровья и медицины, от помощи людям с неврологическими проблемами, до улучшения возможностей здоровья. Представьте себе механизм, создающий правильные изображения и звуки, чтобы помочь человеку восстановить зрение или слух быстрее после лазерной коррекции зрения или установки слухового аппарата соответственно.

Данные инновации будут становиться всё лучше и мощнее с притоком новых технологий: дополненной реальности (ДР) и интерфейсов мозг-компьютер (ИМК). Однако, для того чтобы реализовать весь возможный потенциал данных сенсорных систем, нам необходимо восполнить пробелы в технологиях, талантливых людях и финансировании.

Покупайте, зарабатывайте криптовалюты вместе с редакцией сайта КРИПТОБИРЖИ.РФ

В этой статье я постараюсь объяснить, что такое нейронный Искусственный Интеллект, как он может начать развиваться, каким образом он дополняет инновации и технологии, а также что необходимо для того, чтобы продвинуть его вперёд.

Что такое нейронный Искусственный Интеллект?

НейроИИ – появляющаяся дисциплина, главные цели которой это 1) изучить мозг для понимания, как построить лучший искусственный интеллект, и 2) использовать искусственный интеллект для лучшего понимания работы мозга. Один из основных инструментов нейроИИ – это использование искусственных нейросетей для создания компьютерной модели конкретной функции мозга.

Такой подход начался в 2014 году, когда исследователи в MIT и Columbia показали, что глубокие искусственные нейронные сети могут объяснить ответную реакцию части человеческого мозга, отвечающей за распознавание предметов: рецептивное поле (РП). Они представили базовый способ подсоединения искусственной нейронной сети к мозгу. Используя данный способ и повторяя итеративные тесты для проверки процессов мозга – распознавания форм, движения, понимания речи, контроля руки, пространственной памяти – учёные создают сборник компьютерных моделей для мозга.

Рецепт для сравнения мозга и машины

Так как же создать прототип нейроИИ? С момента его создания в 2014, базовый способ не изменился:

1. Тренируйте искусственные нейросети решать задачи, например – распознавать объекты. Получившаяся сеть называется задачно-оптимизированной. Важно подметить, что обычно нейросеть тренируют на изображениях, фильмах и звуках, а не на данных мозга
2. Сравните промежуточные активации тренированных нейросетей с записями активности настоящего мозга. Сравнение проводится при помощи статистических техник, таких как линейная регрессия или анализ репрезентативного сходства.
3. Выберите модель, которая справилась с задачами лучше остальных – она будет лучшей моделью данных участков мозга.

Этот способ можно использовать с информацией, собранной из одного мозгового нейрона или из неинвазивных техник, таких как магнитная энцефалография (МЭГ) или функциональное магнетическое резонансное представление.

У созданной с помощью нейроИИ модели участка мозга есть две ключевые функции. Прежде всего, она вычисляемая: мы можем скормить модели стимул, и модель покажет нам, как часть мозга отреагирует. Также она дифференцируема: глубокая нейронная сеть, которую можно оптимизировать так же, как мы оптимизируем модели, направленные на распознавание изображений и распознавание языка. Это значит, что у неврологов появляется доступ ко всевозможным мощным инструментам, которые приводят в действие революцию в сфере глубинного обучения, включающего системы тензорной алгебры, такие как PyTorch и TensorFlow.

Что же это означает? Мы перешли из непонимания больших частей мозга к возможности скачать хорошие модели, и всё это – меньше чем за десятилетие. С правильными инвестициями, мы в скором времени сможем получить прекрасные модели больших частей мозга. Зрительная система была смоделирована первой; слуховая система была смоделирована чуть позже; и другие части точно упадут, как домино, когда бесстрашные неврологи поспешат решить загадки и тайны человеческого мозга. Помимо того, что они удовлетворят наше любопытство – главная мотивация любого учёного! – эти инновации позволят любому программисту скачать хорошие модели мозга и открыть мириады путей применения.

Пути применения

Искусство и реклама

Давайте начнём с простого предположения: 99% медиа мы потребляем при помощи глаз и ушей. Есть целые индустрии, основная цель которых – доставить правильные пиксели и тона этим органам чувств: изобразительное искусство, дизайн, фильмы, игры, музыка и реклама это лишь малая часть всей индустрии. Сейчас не глаза и уши интерпретируют данные сигналы – в конце концов, это лишь органы восприятия. Смысл получаемой информации закладывается в мозгах.

Медиа созданы с целью информировать, развлекать, вызывать желаемые эмоции. Но определение того, будет ли сообщение на картине, профессиональном снимке головы или в рекламе воспринято так, как задумано, – это удручающее упражнение в методе проб и ошибок: люди должны быть в курсе, чтобы определить, попало ли сообщение в цель, а это дорого и занимает много времени. Крупные онлайн сервисы придумали способы решения данной проблемы при помощи автоматизированного процесса проб и ошибок: А/B тесты.

Вот тут например есть известный тест от Google, какой из 50 оттенков голубого лучше использовать для ссылок в поисковой системе. По данным The Guardian, лучший выбор привёл к повышению доходов на 200 миллионов долларов в 2009, или примерно 1% доходов Гугл в то время. Netflix кастомизирует обложки для зрителя, чтобы оптимизировать его пользовательский опыт. Эти методы доступны онлайн-гигантам с огромным трафиком, которые могут преодолеть шум, присущий поведению людей.

Что если бы мы могли предугадать как люди будут реагировать на медиа, не собирая заранее какую-либо информацию? Это дало бы возможность малым бизнесам оптимизировать свои статьи и вебсайты, не имея при этом длинной предыстории работы. Нейронный Искусственный Интеллект становится всё ближе к возможности предсказать, как люди будут реагировать на визуальные материалы. К примеру, исследователи Adobe работают над инструментами для предсказания и направления зрительного внимания в иллюстрациях.

Исследователи также продемонстрировали редактирование фото с целью сделать их более запоминающимися или эстетически приятными. Это может быть использовано для автоматического выбора наиболее подходящего фото, больше всего совпадающего с тем, что хочет человек – профессиональное фото, серьёзное или же креативное. Искусственные нейросети могут найти способы донести сообщение даже лучше, чем реальные изображения. OpenAI’s CLIP может использоваться, чтобы найти изображения, соотносимые с эмоциями. Изображение лучше всего совпадающее с идеей шока, вполне может претендовать на место рядом с «Криком» Мунча.

За последний год, OpenAI и Гугл продемонстрировали генеративные арт нейросети с восхитительной возможностью генерирования фотореалистичных изображений из текста. Мы пока не достигли того же успеха в музыке, но благодаря прогрессу в генеративных моделях, это точно случится в течение нескольких лет. Создавая машины, которые могут слышать людей, мы можем демократизировать производство музыки, давая возможность каждому делать то, что делают профессиональные продюсеры: передавать задуманные эмоции во время припева, вне зависимости от того, грусть это или радость, а также создавать различные мелодии. Или же создать песню, под которую ужасно захочется танцевать.

Существует огромное давление на рынок, с целью оптимизировать аудиовизуальные медиа, сайты, особенно рекламу и мы уже интегрируем нейронный Искусственный Интеллект и алгоритмическое искусство в этот процесс. Данное давление приведёт к благотворному циклу, в котором нейроИИ будет становиться всё лучше и полезнее, чем больше ресурсов будут вливаться в практическое применение. Параллельно с этим, мы также сможем получить довольно хорошие модели мозга, которые могут быть полезны не только в рекламной сфере.

Доступность и алгоритмический дизайн

Одно из наиболее важных преимуществ нейроИИ – доступность. Большинство медиа созданы для «обычного» человека, однако мы все потребляем аудио- и видеоинформацию по разному. 8% мужчин и 0.5% женщин являются дальтониками и не различают красный и зелёный цвета, однако множество медиа не адаптированы под нужды этих людей. Есть некоторое количество продуктов которые симулируют дальтонизм, но необходим человек с нормальным цветовосприятием, чтобы интерпретировать результаты и внести необходимые изменения.

Перемещение цветов на цветовом круге не помогает, так как некоторые материалы не могут нормально восприниматься при данной функции (статьи становятся нечитабельными). Мы могли бы автоматизировать генерацию подходящего для людей с цветослепотовй материалов и сайтов с помощью нейроИИ методов, которые соблюдают семантику существующей графики.

Другой пример это помощь людям, у которых есть проблемы в обучении, например дислексия, которая имеется примерно у 10% людей по всему миру. Одна из весомых проблем при дислексии – чувствительность к толпе – это сложность в распознавании похожих предметов. Это также включает в себя зеркально-симметричные буквы, такие как p и q. Анна Харригсон и Артуро Деза в MIT работают над нейроИИ моделями, которые воссоздают данный эффект и они уже получают многообещающие результаты.

Представьте себе применение этих моделей для создания специальных шрифтов, которые будут эстетически приятными и при этом удобными при прочтении. С информацией о визуальной системе каждого из пользователей, можно будет редактировать шрифт специально под его потребности, что очень сильно поможет в чтении. Это всё потенциально большой шаг вперёд в улучшении качества жизни.

Здоровье 

Много неврологов приходят в сферу работы с надеждами, что их исследования будут иметь положительное влияние на человеческое здоровье, а именно на людей с неврологическими расстройствами, или проблемами с психическим здоровьем.

Я очень надеюсь, что нейронный Искусственный Интеллект откроет новые виды терапии: с хорошей моделью мозга, мы можем создавать правильные стимулы для донесения правильных сообщений, что будет как ключ, подобранный для замка. В таком смысле, нейронный Искусственный Интеллект может быть добавлен к алгоритмическому дизайну лекарств, но вместо маленьких молекул, мы доставляем изображения и звуки.

Наиболее решаемые проблемы включают зрительные и слуховые рецепторы, которые уже достаточно охарактеризованы. Сотни тысяч людей носят слуховые аппараты, нейропротезы, которые стимулируют электричеством ушную улитку, позволяя глухим или слабослышащим людям вновь слышать. Эти импланты, в которых находится несколько дюжин электронов, могут быть сложными в использовании в шумной среде с множеством говорящих людей. Модель мозга может оптимизировать образец стимуляции импланта для лучшего восприятия речи.

Что примечательно, данная технология, изначально созданная для людей с имплантами, может быть адаптирована под людей без имплантов, для лучшего понимания речи, при помощи модифицирования звуков в режиме реального времени, вне зависимости от того, есть ли у них расстройство слуха или они просто часто находятся в шумных и громких местах.

Многие люди испытывают изменения в сенсорах на протяжении всей жизни, вне зависимости от того, является ли это выздоровление от операции от катаракты, или же становление более близоруким с возрастом. Мы знаем, что после такого рода изменений, люди могут научиться интерпретировать мир по новому через повторение, это называется перцептивное обучение. Мы можем максимизировать это перцептивное обучение, чтобы люди обучались быстрее и эффективнее.

Похожая идея может помочь людям, которые потеряли возможность нормально пользоваться своими конечностями после удара. Если мы сможем найти правильный порядок действий чтобы оптимально усилить мозг, мы сможем помочь людям, пережившим удар, восстановить больше навыков, например помочь им лучше ходить, или держать в руках чашку кофе, не разливая содержимое. Помимо помощи в восстановлении здоровья, эта идея может помочь здоровым людям достигнуть пика сенсорного перформанса – вне зависимости от того, являются ли они баскетболистами, лучниками или патологоанатомами.

В итоге, мы могли бы увидеть применение этих идей в лечении психических заболеваний. Я ходил на множество визуальных арт-шоу, чтобы избавиться от скуки во время пандемии, и это очень сильно поднимало мне настроение. Визуальное искусство и музыка могут поднять нам настроение и это доказательство того, что можно попробовать воздействие на сенсоры в качестве психотерапии. Мы знаем, что контролировать активность конкретных участков мозга при помощи электростимуляций может помочь в лечении депрессии. Вероятно, контролировать активность мозга напрямую через сенсоры может показать похожий эффект. Показывая простейшие модели – низко висящий фрукт – которые влияют на хорошо известные части мозга, мы сможем запустить систему создания более сложных моделей которые могут помочь человеческому здоровью.

Тенденции развития технологий

Потребуется много лет, чтобы приручить нейронный Искусственный Интеллект и внедрить его в приложения, и он будет перехватывать другие развивающиеся технологические тенденции. Далее я выделил два главных тренда которые сделают нейронный Искусственный Интеллект более могущественным: дополненная реальность, которая сможет точнее доставлять импульсы и интерфейсы мозг-компьютер, которые смогут измерять активности мозга, чтобы убедиться, что стимулы ведут себя, как задумано.

Дополненная реальность

Тенденция, которая сделает нейронный Искусственный Интеллект приложения более могущественными, это добавление к ним очков дополненной реальности (ДР). У дополненной реальности есть потенциал стать везде используемой компьютерной платформой, так как Дополненная реальность постепенно интегрируется в обычную жизнь.

Гипотеза Майкла Абраша, главного научного сотрудника в Meta Reality Labs, состоит в том, что если вы создадите достаточно легкие в использовании очки дополненной реальности, все захотят их приобрести. Это значит, что создание очков, способных создавать устойчивые виртуальные объекты с интеграцией в реальность, при этом имеющие лёгкие и модные оправы как у очков Ray-Bans, а также наделяет вас суперспособностями, например естественно взаимодействовать с людьми вне зависимости от расстояния или иметь улучшенный слух. Если вы сможете создать такие огромные технические изменения, очки виртуальной реальности могут пройти тот же путь, что и айфоны, и в итоге у каждого будут такие же (или подделка) 5 лет спустя после запуска.

Чтобы превратить это в реальность, Мета потратила 10 миллиардов долларов на R&D для Metaverse в прошлом году. Пока что мы не знаем наверняка, что планирует Эпл, но есть много намёков, что они работают над очками дополненной реальности. Это большой толчок для стороны снабжения, чтобы претворить идею с дополненной реальностью в жизнь.

Это сделает более доступным дисплейный девайс, который будет превосходить статический экран. Если это будет идти по тому же направлению, что и VR, у него появится механика слежения за направлением глаз, что позволит предоставлять более контролируемые стимулы, чем это возможно в данный момент – мечта любого невролога. И эти устройства, как говорил Майк Абраш в 2017 году, вероятно, будут во многом применяться в сфере здравоохранения, например, улучшать зрение при слабом освещении или позволять людям жить нормально, несмотря на дегенерацию желтого пятна.

Значение нейроИИ очевидно: мы могли бы постоянно доставлять необходимые стимулы с высокой степенью контроля в повседневной жизни. Это подходит для зрения, и возможно, менее очевидно для слуха, так как мы можем передавать пространственное аудио. Это значит, что наши инструменты для создания нейроИИ терапии для людей с неврологическими проблемами или для повышения доступности станут ещё мощнее.

ИМК (интерфейс мозг-компьютер)

С хорошими дисплеем и колонками, мы можем контролировать большую часть поступающей в мозг информации. Затем, более мощная стадия в доставке стимулов через органы чувств это верификация реакции мозга как планировалось через читаемый интерфейс мозг-компьютер (ИМК). Таким образом, мы сможем измерить эффект от стимулов на мозг, и если они не такие, как мы ожидали, мы можем регулировать их нужным образом в так называемой замкнутой петле управления.

Поясняю – здесь я не говорю об ИМК методах по типу чипа Neuralink или глубоких стимуляторов мозга, проникающих внутрь черепа. Для наших целей достаточно измерения активности мозга снаружи черепа, неинвазивно. К тому же, нет необходимости напрямую стимулировать мозг, очки и наушники это всё, что нужно для контроля большинства информации, поступающей в мозг.

Есть определённое количество неинвазивных только для чтения ИМК, которые коммерциализируются в данный момент или находятся на пути использования в замкнутом контроле. Некоторые примеры включают в себя:

ЭЭГ. Электроэнцефалография измеряет электрическую активность мозга снаружи черепа. Из-за того, что мозг ведёт себя как проводник объёма, у ЭЭГ есть высокое временное разрешение, но низкое пространственное разрешение. И хотя это имеет ограниченное потребительское применение в виде продуктов для медитации (Muse) и нишевых нейромаркетинговых приложений, я уверен, что есть возможности применять его в контексте замкнутой петли управления.

ЭЭГ может быть гораздо более мощной, когда у человека есть контроль над стимулом, так как это даёт возможность соотнести предъявленный стимул с сигналом ЭЭГ и расшифровать, на что человек обратил внимание (методы вызванных потенциалов). Действительно, компания NextMind, которая создала «mind click» на основе ЭЭГ, основанный на вызванных потенциалах, была приобретена компанией Snap, которая сейчас производит ДР-продукцию. OpenBCI планирует выпустить гарнитуру, которая интегрирует свои ЭЭГ сенсоры с высококлассной гарнитурой Aero от Varjo. Я бы не стал исключать ЭЭГ.

фМРТ. Функционально магнитно-резонансная томография измеряет небольшие изменения уровня кислорода в крови которые ассоциируются с нейронной активностью. Это медленно и не портативно, необходима отдельная комната и это всё очень затратно. Однако, фМРТ остаётся единственной технологией которая может неинвазивно считывать глубокую активность мозга довольно точно. Существует две парадигмы, которые достаточно зрелые и релевантные для замкнутого нейрологического контроля.

Первая это основанный на фМРТ биоотклик. Подпрограмма фМРТ показывает, что люди могут модулировать активность своего мозга, визуально представляя её на экране или в наушниках.

Вторая парадигма – это картирование коры головного мозга, включающий в себя такие подходы, как популяционные рецептивные поля и оценка избирательности вокселей с помощью видеоклипов или подкастов. Это позволяет оценить, как различные области мозга реагируют на визуальные и слуховые стимулы. Эти два метода намекают на возможность оценить как вмешательство нейроИИ влияет на мозг, и сделать это вмешательство более эффективным.

фБИС функциональная ближняя инфракрасная спектроскопия использует рассеянный свет для оценки объёма мозговой крови между передатчиком и рецептором. Он основан на факте того, что кровь непрозрачна, и повышенная нейронная активность приводит к задержке притока крови в данном объёме мозга (тот же принцип, что и в фМРТ). Традиционный NIRS имеет низкое пространственное разрешения, но при помощи временной стробировки (TD-NIRS) и массивной передискретизации (диффузная оптическая томография) пространственное разрешение становится намного лучше.

В академической сфере группа Джо Калвера из WUSTL продемонстрировала декодирование фильмов из зрительной коры головного мозга. В коммерческой сфере Kernel производит и поставляет гарнитуры TD-NIRS, которые являются впечатляющими достижениями инженерии. В данной отрасли люди не останавливаются на достигнутом и постоянно прогрессируют – моя старая группа в Мета продемонстрировала 32-кратное улучшение соотношения сигнал/шум (которое может быть увеличено до >300) в смежной технике.

МЭГ Магнитоэнцефалография измеряет небольшие изменения в магнитном поле, тем самым локализируя активность мозга. МЭГ похожа на ЭЭГ тем, что измеряет изменения электромагнитного поля, но МЭГ не страдает от объёмной проводимости и поэтому имеет лучшее пространственное разрешение. Портативный МЭГ, не требующий охлаждения, стал бы переломным моментом для неинвазиного ИМК. Люди достигают прогресса в создании магнитометров с оптической накачкой, и вполне возможно купить индивидуальные OPM сенсоров в открытом магазине, от производителей типа QuSpin.

В дополнение к этим известным техникам есть не такие популярные, как например цифровая голография, фото-акустическая томография и функциональный ультразвук могут привести к быстрым изменениям парадигмы в данном пространстве.

И хотя потребительский неинвазивный ИМК ещё в зачаточном состоянии, существует ряд факторов, оказывающих давление на сферу ДР которые позволят расширить сферу. Безусловно, существенной проблемой ДР является управление устройством: никто не хочет ходить с контролером или бормотать в очки, если можно этого избежать.

Компании довольно серьёзно подходят к решению данной проблемы, об этом свидетельствует покупка Facebook компании CTRL+Labs в 2019 году, приобретение компанией Snap компании NextMind и объединение Valve с OpenBCI. Таким образом, мы наверняка сможем увидеть низкоразмерные ИМК, которые будут быстро развиваться. Высокоразмерные ИМК будут развиваться по той же траектории если они найдут убийственное приложение по типу ДР. Возможно, что нейроИИ приложения, за которые я выступаю, являются подходящими случаями использования этой технологии.

Если мы сможем контролировать поступающую в глаза и уши информацию, так же хорошо, как контролировать состояния мозга, мы сможем доставлять терапии на основе нейроИИ контролируемым путём для максимальной эффективности.

Чего не хватает

Наука, лежащая в основе нейроИИ, развивается довольно быстро, и существует некоторое количество позитивных трендов, которые увеличат общую применяемость. Так чего же не хватает, чтобы привнести нейроИИ приложения на рынок?

1. Инструментарий. Другие сферы без ИИ выигрывают из-за инструментов, позволяющих быстрый прогресс и показывание результатов. Это включает в себя библиотеки тензорной алгебры, такие как Tensorflow и PyTorch, среды для тренировок, такие как OpenAI Gym, и экосистемы для обмена данными и моделями, такие как HuggingFace. Централизованное хранилище моделей и методов, а также оценочных комплексов, потенциально использующее большое количество симуляционных данных, могло бы продвинуть эту область вперед. Уже существует сильное сообщество организаций неврологии с открытым исходным кодом, и они могли бы стать естественными хостами для этих усилий.
2. Талант. Существует очень мало мест, где исследования и разработка завершены в секции неврологии и ИИ. Bay Area с лабораториями в Стэнфорде и Беркли, и в районе Бостона с многочисленными лабораториями в MIT и Гарварде очень вероятно получат много инвестиций от уже существующей экосистемы венчурного капитала. Третьим вероятным центром является Монреаль (Канада), поднятый массивными факультетами нейронаук в McGill и Universite de Montreal, в сочетании с Mila, институтом, изучающим искусственный интеллект, основанного пионером AI Йошуа Бенгио. Наша область бы выиграла от специализированных программ PhD и центров передового опыта в области нейроИИ для запуска коммерциализации.
3. Новое финансирование и коммерциализированные модели для медицинских приложений. Медицинские приложения имеют очень долгий путь к коммерциализации, к тому же, защищённая интеллектуальная собственность обычно является необходимым условием для получения финансирования, чтобы снизить риски при инвестициях в технологии. Основанные на ИИ инновации сложно патентовать, и программное-обеспечение-как-у-медицинского-устройства (ПОкМУ) только начинает появляться на рынке, поэтому путь к коммерциализации достаточно размыт. Мы найдём средства, которые будут сфокусированы на объединении ИИ и опыт в области медицинских технологий для развития этой зарождающейся области.

Давайте создавать вместе нейронный искусственный интеллект 

Учёные и философы озадачены работой мозга с незапамятных времён. Как тонкий лист, площадью в один квадратный фут, позволяет нам видеть, слышать, чувствовать и думать? Нейронный Искусственный Интеллект помогает нам разобраться в этих глубинных вопросах при помощи построения моделей неврологических систем в компьютерах. Удовлетворяя фундаментальную жажду знаний – что значит быть человеком? – неврологи также создают инструменты, которые могут помочь людям жить более насыщенной и наполненной жизнью.

Присоединяйтесь к нашему DAO, где мы совместно вкладываем в новые криптовалюты:

Хотели бы вы воспользоваться нейронным искусственным интеллектом? В каких областях вы бы его применили?

С оригинальным материалом можно ознакомиться по данной ссылке.

© Материал подготовлен для сайта рейтинга КРИПТОБИРЖ и может быть открыто распространен в сети при указании авторства.