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。