QCon2014 Jeremy Freeman:从计算机的角度探索神经学

移动开发
计算机技术已经成为人类了解自身奥秘的重要工具,无论在生物科学还是神经学,高容量的计算和存储集群、新型软件正扮演者越来越重要的角色。 InfoQ专访了霍华德·休斯医学研究所研究员Jeremy Freeman,他通过计算机技术收集斑马鱼的神经元信息,并挖掘其中的规律。

计算机技术已经成为人类了解自身奥秘的重要工具,无论在生物科学还是神经学,高容量的计算和存储集群、新型软件正扮演者越来越重要的角色。 InfoQ专访了霍华德·休斯医学研究所研究员Jeremy Freeman,他通过计算机技术收集斑马鱼的神经元信息,并挖掘其中的规律。同时作为QCon北京2014大会《大数据处理与大数据应用》专题的讲师,Jeremy Freeman将就《大规模脑计算——操控脑,绘制脑地图》话题做分享。以下为专访全文:

InfoQ:你好Jeremy Freeman,请介绍下自己吧。

Jeremy Freeman:大家好,我叫Jeremy Freeman,是来自于霍华德·休斯医学研究所的一位研究组负责人。我现在的工作是借助于云计算技术研究大脑。

InfoQ:你在Spark Summit 2013上做的斑马鱼的神经元演示很吸引人,做这项研究的初衷是什么?

Jeremy Freeman:我的激情来源于我对大脑工作原理的渴求。大脑是非常复杂的,特别是人类的大脑, 但即使是老鼠、鱼和苍蝇这样的小动物它们的大脑依旧不简单。大脑如此复杂的原因之一就是它有非常多的神经元:苍蝇和鱼有数十万,老鼠有数百万,人类有数十 亿。长期以来我们一次仅能记录少数神经元的活动,但是在过去的十年间有很多技术获得了长足的发展,甚至有些技术在***这几年才发展起来,它们让我们能够同 时测量非常大规模的神经元的活动。虽然我们现在能够产生所有的这些数据,但是我们能够拿它们做什么呢?我们怎样才能找到蕴含在这些复杂数据中的模式,帮助 我们理解大脑的工作原理呢?我一直在从计算机的角度探索神经学,使用这些新型的数据——通过它们达到理解大脑的目的——是一个非常令人鼓舞的挑战。

InfoQ:你的实验中利用了大量***进的大数据技术。可否讲一下这些大数据技术对你实验带来了什么帮助?在使用Spark的过程中,你都遇到了什么挑战?

Jeremy Freeman:神经数据如此之大以致于它需要新技术的支撑。我们需要快速地处理大规模的数据。 但是神经数据还有另外一个挑战,那就是我们几乎不知道什么是“正确的”分析。相反的,我们需要交互式地探索数据,并且适应需要重复查询的复杂模型。 Spark能够***地契合我们的场景,因为它正好是为这两种用例而设计的。开源是Spark的另一个优势,它有一个奇妙的用户社区,能够被扩展到支持流式 分析。***的挑战是Spark以及其他被普遍使用的大数据技术在神经科学领域的应用还很少,所以我和我的合作者们不得不一起从头开始构建一个新的分析集。 但是我希望我们所构建的东西现在能够对神经科学社区有所帮助。

InfoQ:规模突破是进行神经元实验面对的问题,大规模神经元实验主要有哪些挑战?你认为现在的科技能够支持比斑马鱼更强大的大脑分析了吗?

Jeremy Freeman:斑马鱼的关键优势是它是透明的,特殊的显微镜利用这一点几乎能够同时监控它整个 大脑的神经响应。对于其他的动物,例如老鼠,我们能够测量相当大区域内(几百个神经元)的活动,但是不可能延伸到整个大脑。令人兴奋的是,同时使用显微镜 和大规模电记录的新技术可能给了我们扩大测量范围的机会。我的合作者们正在积极地开发这些技术,而我的主要焦点是如何使用这些数据。

InfoQ:有些人说你是他们见过的计算机科学家里面对生物了解最多的,也是生物科学家里面对计算机技术了解最多的。你此有什么评价吗?

Jeremy Freeman:谢谢这样夸奖我!我不知道这是不是真的。从我还是一个孩子开始,我一直在尽可能 多的去学习神经科学和计算方面的知识,因为我意识到它们之间是如何联系的。尤其是现在,这两者的关系变得越来越紧密,几乎缺一不可。在这个过程中很多人让 我受益匪浅,包括来自于不同网络的朋友、合作者、导师、我的神经科学家伙伴、Spark社区以及其他高科技企业中的朋友。

InfoQ:说说你将在QCon北京2014大会上的分享吧。

Jeremy Freeman:我将会介绍我们是如何使用Spark映射和操作大脑的。我首先会介绍我们使用的 动物模型以及合作者们开发的、能够让我们同时记录这些动物大脑中成千上万神经元活动的技术。然后我会介绍这些实验数据给我们带来的技术分析挑战,以及我们 是如何使用Sprak克服这些挑战的。特别会介绍我们为了对神经数据进行快速、探索性分析而开发的一个开源类库,并给出一些示例展示这个类库是如何帮助我 们在整个大脑的层面上理解功能性组织、感觉处理的瞬时动态以及活动行为的。基于在Spark Summit上的呈现,我将会介绍一个新的专门针对分解神经响应瞬时动态的分析家族,同时还会介绍一个新的使用Spark Streaming在实验期间分析在线流式神经数据的方法集,以及与新的在线机器学习算法相关的技术。

此专题详细信息,请见专题页面。关于此次QCon北京其他专题的详细信息,请移步至大会官网

需要特别注明的是,每年QCon大会门票都会在开幕前售罄,及早预定可提前确保席位,并享受更低折扣。3月26日前报名参加可享受9折优惠。团体购 票(5人及以上)将享有更多优惠。详请咨询qcon【at】cn.infoq.com,或直接致电010-64738142。报名请点击报名页面。

责任编辑:闫佳明 来源: infoq
相关推荐

2014-02-25 10:35:37

神经学程序语言

2014-04-16 14:05:39

QCon2014

2013-05-16 09:44:15

神经学家超级人脑超级计算机

2014-04-16 14:13:18

2014-04-16 14:21:58

2014-07-29 10:22:11

大数据工具分析

2014-04-16 13:55:20

2014-04-16 14:23:35

QCon2014

2014-04-16 14:03:06

QCon2014

2021-01-16 12:10:24

Go语言计算机位开发

2014-04-16 14:07:20

QCon2014

2017-11-07 11:13:04

意识机器人神经科学

2014-04-16 14:29:52

QCon2014

2014-04-16 14:15:01

QCon2014

2024-11-29 14:10:00

神经网络AI

2014-04-10 09:40:51

System 360计算机计算机系统

2014-04-16 14:10:35

QCon2014

2021-01-15 16:37:29

编程语言JavaPython

2014-04-22 16:16:20

QCon2014

2018-04-28 10:30:36

人工智能机器学习计算机视觉
点赞
收藏

51CTO技术栈公众号