17日，《Nature Methods》刊登了谷歌的一篇新論文《使用Flood-Filling網絡高效自動重建神經元》（High-Precision automated reconstruction of neurons with flood-filling networks）。在這篇論文中，谷歌講述了他們所創建的人工智能系統，是如何幫助神經學家更好理解大腦結構和功能的。

在人類的大腦中，大概包含了約860億個通過100億個突觸聯網的神經元，如果對單個立方毫米神經元進行成像，最后能夠產生超過1000TB的數據。而如果神經科學家要對這些進行全部標注的話，這可能需要10萬個小時。

針對這方面，谷歌與馬克斯普朗克研究所的研究員一起合作打造了一個人工智能系統，只需要7天的訓練，這一系統就能夠完成與上面一樣的工作。

在以往的做法中，研究員會使用邊緣檢測算法先行識別神經節之間的邊界，繼而用wateshed或graph cut等算法將未被邊界分割的圖像像素組合在一起。與之不同，谷歌與馬克斯普朗克研究所提出的“floor-filling Networks”模型將傳統的兩個步驟合成一個步驟。

具體來講，新算法會從特定像素位置開始生長，并使用循環卷積神經網絡不斷填充一個區域，進而預測哪些像素和初始像素屬于同一物體。

眾所周知，在提到智能性的時候，我們常常會提到對“人類大腦”的研究，因為這是讓人工智能更為“智能”的關鍵，而對大腦的認知不足也阻礙了人們的研究進展。

這方面，谷歌的這一新成果提供了一大幫助。“這個項目真正影響的是可以完成的神經科學研究的數量，能夠以全面的方式研究大腦中神經元的實際模式，這是歷史上神經科學家所無法實現的。”谷歌研究員、論文主要作者維綸·賈恩（Viren Jain）表示。