Press "Enter" to skip to content

Learning from the brain for the technologies of the future | Bart ter Haar Romeny | TEDxEindhoven


[Музыка]
[Музыка]
как гольф-моменты , вот что это все
конечно, и светлый счет на этом
города Philips в качестве медицинского совещания и
легкий пояс означает яркую идею и
идеи , где они приходят , они приходят
из мозга, что мозг сегодня
фактически обнаруживается таким образом, что
Вы не поверите , мы можем заглянуть внутрь
мозг при невероятном разрешении мы можем
посмотреть, что делает мозг , у нас есть глубокие
обучение и т. д., и вот что я буду говорить
немного о сегодняшнем том, что в этом
мозг происходит Я работаю над
Университет и мое поле — образец
признание
Я разработал свою команду
программное обеспечение для поиска моделей опухолей в партиях
медицинских изображений по лучшему образцу
машина для распознавания — этот парень
это удивительное распознавание образов
как вы все это разработали, и я сказал
хорошо, давайте будем вдохновлены этим мозгом
посмотрим, что там
так проницательность — это волшебная вещь Эврика
и я хочу отвезти вас в путешествие, что
знаем ли мы, как мы можем учиться на этом
как это может быть, как это может нас вдохновлять?
давайте начнем с некоторых фактов нашего мозга
это невероятно мало , что только около
кило 2% , то далеко , что используется много
энергия 20% нашей энергии, и она имеет
невероятное количество нейронов 86 миллиардов
у нервных волокон все они
связанные друг с другом все эти нервы
пауки прокладывают тонкий микрон тонкий все
провода вместе граничат с луной
и вернуть связи между этими
нейроны называются синапсами, которые мы имеем
удивительное количество ослепительного блеска и
это компьютер, превосходящий все наши
другие компьютеры, которые они вычислили
это примерно один петафлоп
операции с плавающей запятой в секунду
поэтому давайте добавим немного больше
если вы видите деревья в
Амазонский лес и нейроны в вашем
головной мозг
это примерно такое же число, если вы посмотрите
у нейрона есть связи один
нейрон связан с 50 000 другими
нейроны, поэтому это довольно широкое распространение
, и если вы посмотрите на этих знаковые провалах
и у нас есть триллионы этих синапсов
Как мы узнаем , если вы используете синапс
много раз он становится больше, и если вы
забыть, что он становится меньше, поэтому повторяющимся
действие, которое вы узнаете, поэтому мы также можем видеть
как это обучение может быть выполнено и одно из
удивительный подвиг нашего мозга заключается в том, что
этот парень использует только 25 ватт и
это потрясающе, и если мы посмотрим на
наши компьютеры сегодня мы смотрим на эти
Центры обработки данных Google и т. Д. И все
эти вычисления и вычисления Amazon
Центры используют мегаватты, которые у них есть
градирни сверху, и это отходы
энергии они просто невероятны, поэтому мы
должен учиться намного больше от этого
мозг, так как он подключен
как это работает, что делают эти функциональные
схемы , и мы имеем
сообщества в настоящее время в мире, что на самом деле
сосредоточив внимание на том, можем ли мы имитировать использование этого мозга
это невероятные вычислительные алгоритмы и
затем примените их в нашей умной технологии
Я немного глубже в том, что давайте
сначала скажите ему мозг, как мы можем
измерьте это хорошо, в первую очередь, это
и это я и один из самых больших
компании в мире делают все это
фантастические машины прямо здесь
это Philips, он входит в тройку лидеров
сделайте машины MRI машины MRI etc мы можем
теперь см. мозг и невероятные
резолюции о
четверть миллиметра, так что это
называется МРТ-сканирование, и это мой собственный
фрагмент мозга срезом вы можете видеть каждый
четверть миллиметра в этом мозге
вы видите посередине лежащий спинной мозг
шнуры, соединяющие все эти волокна с моим
мускулы к моему сердцу, так что все, кроме
это не только мы можем видеть, что мы могли бы
также см. функцию и как мы можем видеть
функция, если клетка мозга активна
предположим, что мне это нравится, тогда мой мотор
суд
активна, и эти клетки генерируют
потенциалов действия они нуждаются в кислороде они
нуждаются в пищу, чтобы они дали сигнал
маленькие капилляры к малой крови
сосуды открыты и принеси мне кислород ап
кислород можно увидеть на МРТ-сканере, чтобы вы
сначала ничего не делайте, вы делаете сканирование и
то вы это сделаете, и если вы возьмете
различие этих видов вы видите крошечным
разница, и теперь вы видите, что этот мальчик
глядя на экран, он использует свой
визуальной системы и задней части нашего мозга
для видения, и вы видите, что это довольно
много это для видения четверть нашего
мозг для зрения, и если вы видите, как
у многих нервных клеток у нас так много
фильтрует, сколько выполняется вычислений
Видение — это невероятная вещь, которую мы
чисто визуальные машины, потому что изображения
пришел в интернете, он взорвался, мы делаем
ничего, кроме просмотра изображений, потому что
наш мозг создан для изображений, которые мы
так что у нас есть функции, которые мы имеем
можно сделать больше, мы также посмотрим на соединения
как вы можете измерять соединения в
мозг хорошо они нашли несколько лет назад
что вы можете измерить в МРТ отсканировать
очень крошечное движение молекул воды, которые они
сделайте магнитное поле слева a
немного отличается от права
и если вы немного двигаетесь , они меняются
магнитное поле будет изменяться в
частоты, и если вода просто
окруженный водой, он идет в каждом
вы видите немного как
сфера, но если вода находится в нервном волокне
он может двигаться только по нервному волокну
и не так, иначе, если вы
искать какое — то время вы видите вас вид
эллипсоид хорошо длинная ось
Эллипсоид, конечно , направление
волокно и то, что вы можете сделать в каждом
воксел, вы измеряете эти миллионы
окопы вы их соедините, а затем вы
получить провода в моей группе, которую мы изучали
это в течение долгого времени , потому что мы на самом деле
хотел посмотреть, как весь этот мозг
Wyatt
потери, перенесенные перед нейрохирургами, они
нужно посмотреть, какие основные треки, если
вы удаляете опухоль, которую вы не хотите
сделать пациента слепым или парализовать вас
нужно подготовить все это, чтобы мы сделали
мы сделали фантастический
визуализации мы программируем это в
GPU вы видите, что волокна здесь соединяются
левая и права в мозге
цвета XYZ красный зеленый синий поэтому мы
есть цветовое кодирование, а это
не может быть сделано для всех областей в
мозг, как мы здесь, как мы видим, как мы движемся
так что теперь у нас есть провода власти
электронной электронной схемы и
визуальная система — самое изученное Teufel
и я пойду немного глубже
в визуальной системе они сделали все это
измерения, и они смотрели, как это делается
работать, и получается, что они поэтапно
около 11 этапов были
назвал первичную визуальную кору стадией
номер один, который находится в задней части нашего
голова называется v1, тогда v2 v3 v4
они связаны, вы видите
соединений и этих слоев мы можем двигаться
эти слои, глядя на эту модель
один нейрон , а затем модель тысячи
нейронов и миллионов нейронов и
модельное яйцо идет путем моделирования этих
синапсы и эти синапсы
связанные тем, что мы называем весами в
нейронной сети все слышали о
искусственный интеллект нейронных сетей
именно то , что мы делаем, что мы на самом деле
do, мы имитируем все эти соединения
что происходит в мозгу и людях
сделали эти нейронные сети ,
трехслойная нейронная сеть и то, что вы
положить в эту сеть должен быть
классификатор вы помещаете много изображений и
сеть должна сказать, что это такое
кошка, это собака, это лошадь, но
эти небольшие сети были
лет не работает так хорошо это было
страшно было 75, возможно, 80 процентов и
это недостаточно хорошо
поэтому мы боремся, и у нас есть основные
соревнования в 2010 году у нас были эти большие
да, кашляющие изображения у нас были
доступ к миллионам изображений и людей
начали делать конкурсы, которые они сказали
ok, отправляя вашу программу, мы имеем здесь 1.2
миллионов изображений. 1000 классов — это то, что
лошади на пляже — это здание и
люди были примерно в 2010 году 75% правильно
Сегодня мы 96% , потому что происходит это
было около 2012 человек был главным
изобретение и фактически это изобретение
вы не должны брать три слоя в
нейронная сеть, но вы дрожите
занять гораздо больше слоев не только
10, может быть, до 20, вы, возможно, перейдете к 100
и это называется глубоким, так что это то, что мы
призываем к глубокому обучению, мы можем обучать эти
сети, и эта сеть была да, что
такая сеть, как эта, делает первый этап
делает очень простые вещи, если есть
только фильтры, чтобы найти некоторые строки
края очень примитивные вещи второй
этап делает несколько более сложных вещей
поэтому эти линии теперь являются треугольниками, поэтому
находит глаза носа и т. д., поэтому
третий находит объекты находит лицо и
так что вы получите больше контекстуальных областей
если вы пойдете глубже в мозг
что сделало это особенно хорошо, мы
теперь действительно огромное количество огромных
количества данных мы не говорим о
миллионы изображений, о которых мы говорим
триллионы изображений, так что это то, что мы
вызывать большие данные, у нас также есть графика графических процессоров
процессоры, которые на самом деле
карты, которые люди хотели играть в игры, и если
вы играете в игры, вы должны генерировать все
виды 3d искусственных сред и
компьютеры были недостаточно быстры , поэтому
они сказали ОК, давайте сделаем много маленьких
параллельные компьютеры на один компьютер за
пиксель, а затем мы можем генерировать тысячи
пикселей за раз, и это именно то, что
все хотели, чтобы это стоило
ничего графического процессора на каждом компьютере сейчас нет
и на самом деле это небольшой компьютер с
1000 процессоров, и это стоит 52
до нескольких сотен евро, это сделано здесь
SML они делают машины, которые это делают
так что теперь доступно, и третий
шаг, конечно, мы поняли, что мы
могут иметь глубокие нейронные сети и
сейчас огромное сообщество
взрыва и трюк, конечно,
верхний
вы видите визуальную систему посередине
вы видите эти все эти слои этими
слоев, и мы видим растущий контекст
но давайте немного углубимся в
мозг, что они нашли в видении
если вы разрезаете мозг, вы видите, что это
на самом деле у него есть слои, у которых есть много, это
невероятно хорошо организованный ни один
нейрон находится не в том месте, где каждый
нейрон используется, если вы не используете их
он генерирует, поэтому люди много
эксперименты они застряли иглой в v1 v2
v3 и что такое видение ячейки, и там
так что действительно, если вы вставляете иглу в эти
очень примитивные первые слои v1, которые вы видели
эти очень простые фильтры подходят
точно, что там происходит, поэтому в
первый слой мы делаем эти примитивные вещи
и в математике мы говорим, что мы принимаем
производных первая производная
фактически изменение интенсивности
это ребра второй производной, как
коррумпированный, так это мы можем делать математику
и мозг на самом деле делает много
математике здесь мы также можем посмотреть, как
это сформировано в мозге, как эти
рецептивные поля , как мы их называем эти
фильтры, как они возникли, и
оказывается, вы не рождаетесь с этими
фильтры, если вы рождаетесь, каждый нейрон
связанных с любым другим нейроном в
так, как он может быть организован
он организует первые три
месяцев после рождения вы делаете их так
это довольно интересно, поэтому мы сказали, давайте
взгляните на изображение и возьмите обезьяну и
миллион лет назад или обезьяна
лес, поэтому мы взяли первое изображение, которое вы
возьмите несколько крошечных пятен с
леса, и вы делаете некоторые статистические
математика, что является наилучшей основой для
все эти патчи, и вы точно найдете
те же фильтры, чтобы вы могли изучить
фильтры из данных, и это точно
что мы делаем, поэтому я сказал, что я
животные и я живу в ограниченном мире
У меня только вертикальные линии получается
что у вас будут очень специфические фильтры
ограниченные фильтры, поэтому ничего не происходит, если
Я иду, но многое происходит в этом
направлении, чтобы я
правый фильтр, поэтому урок заключается в том, что
фильтры ручной работы для многих
много лет я и все мои коллеги мы
работал с дизайном много
фильтров и распознавания образов и
так и дальше, мы узнаем их из
данные, которые мы регулируем визуальную среду
удерживая котят в полной темноте
от рождения это экспериментальный комплект
для периодов контролируемого визуального
опыт в специальных специальных
цилиндрические камеры этого котенка
они провели эксперименты по тому, как это было
образованный после рождения, поэтому котенок был
поднятый в темноте и в течение трех месяцев
единственное, что он мог видеть, было то же самое
как я сделал с деревьями горизонтальные линии
вы можете отключить звук от следующего
слайд, потому что теперь давайте посмотрим, что
котенок видел, видел ли котенок
горизонтальная палочка прекрасно видит
горизонтальной палкой и, конечно же, вы
ожидайте, если будет вертикальная палка
не имеет фильтров в своем мозгу, чтобы увидеть
вертикальная палка, она больше не может ее видеть
так что это довольно поразительно, это то, что
биология — это то, что называется мозгом
адаптивность пластичности мы узнаем из того, что
мы видим, конечно, этот котенок пошел
к семье снова, и после этого
полностью узнал, что это все эти вещи
образы , которые мы видим , большинство лиц
и вы знаете, что вы смотрите весь день на
сталкивается с Facebook так, как это получается
что они теперь нашли его во всех видах
экспериментов, которые мы посвятили
области в мозге, которая просто
специально предназначенный для лиц только
реагирует на лица, которые вы ему даете
иначе он не реагирует, но есть лицо
но вот оно, мне жаль, что он сейчас
везде , даже в самых глупых
вещи, которые мы видим, так и почему это
вы смотрите на Facebook все время, но
это одна вещь, которую вы не видите, и просто
точно так же, как у котенка лицо вверх
вы никогда не видели, чтобы вы не
признайте, что у вас есть то же самое, что и
котенка, даже если вы видите картину
известный человек, твоя мать, кто бы ни был
это вверх ногами, вы должны смотреть
второй дольше, потому что у нас нет поездов
регионы для лиц с ног на голову
перейдите к некоторым приложениям всего этого, что
мы узнали , особенно с этим глубоким
изучение одного из крупных прорывов
конечно, самозаводящий автомобиль, пока он
очень активна в этой области и почему
теперь это становится возможным
уже есть автомобили, которые вели миллион
километров, потому что они должны видеть
пассажиры подписывают все
разные вещи и это глубокое изучение
это признание
вы помните, что 96% в порядке , это действительно
так что это возможно.
прямо у нас в Голландии
крупнейшее производство цветов в мире I
думаю, что мы составляем около 40% всех
цветы девять миллиардов роз каждый год
и у нас есть 450 роз, некоторые из них
очень дорого — это правильные броски на
поддоны ли фермер сказать хорошо
это дорого роза или это
дешевый, поэтому у нас есть компьютер
системы, которые проверяют все
и мое собственное поле — медицинское изображение
это огромная площадь, большая
80% всех диагноз делается на
изображения, и если вы делаете образы ,
КТ вы легко можете сделать 1000 ломтиков, чтобы
какой врач будет смотреть на 1000
ломтиками врачу нужно помочь
это глубокое распознавание образов
систем, и они работают, они делают
невероятная работа он я проект Leda сейчас
большой программы скрининга, которая
профилактическая медицина для диабета и
с диабетом начинаются кровеносные сосуды
утечка, вы не можете их видеть, вы не можете
все в МРТ-мониторе многие люди могут
имеют диабет, но они не знают, но
ваша сетчатка глаза, вы можете видеть, что
очень хорошо , и там вы можете увидеть с
невероятное разрешение, вы можете увидеть
кровеносных сосудов и в Китае у них есть
огромная проблема, что я буду этим
11,6%, поэтому наш университет овальный
университет спрашивает, можете ли вы помочь с
эта огромная проблема и находит в нашей
население, которое удвоило количество
диабет из других мест, чтобы найти их так
мы теперь запускаем программу, наконец, мы
Надеемся, что 24 миллиона человек и наши
программное обеспечение теперь может автоматически обнаруживать
начала небольших утечек и т. д.
и, конечно же,
утешение слепоты завершает мозг
это наша следующая революция, на самом деле мы
только что начали, мы еще ничего не знаем
о мозге мы начинаем это видеть, но
у нас был большой скачок через пару лет
назад разрушительное изменение из- за
эти глубокие нейронные сети мы увидим
это повсюду, сейчас оно приближается
радиологи собираются его использовать
все, кто использует компьютерный осмотр
будет использовать его и так далее, он будет одним из
основные описания, чтобы вы видели некоторые
примеры, и на самом деле сейчас у нас есть
немного лучше понять их
были творчество, это все
появляется в нашем мозгу наша лампочка
большое спасибо
вы
[Аплодисменты]
[Музыка]
Please follow and like us:

Be First to Comment

Добавить комментарий