在我们的固有认知里，理解和研究人工智能需要人类大脑的帮助。最近，生物学家发现，人工智能实际上也能帮助我们理解大脑。

意识是如何产生的？

这一说法并非空穴来风，已经有了实际的应用成果。德国的马克斯·普朗克神经生物学研究所设计了一个神经网络来分析大脑。

该研究源于对一个问题的思考——意识是如何产生的？

研究人员认为回答这个问题的关键在于弄懂人脑中大约1000亿个神经元的连接。

神经元，也就是我们所说的神经细胞，它是神经系统的结构与功能单位之一。单个神经细胞能发挥的功能其实很小，但是当这些神经细胞连接成网络的时候，它就能控制我们的行为。

由于在这个过程中，每个神经细胞之间会通过突触（接触点）交换信息。因此，如果我们能够掌握各个神经元在何时何地相互连接的信息，就能帮助我们更好的理解大脑功能以及学习、记忆、意识和神经系统紊乱等高级过程。

为了能够直观的掌握这一过程，这些神经元以及他们之间的连接模式必须被绘制出来。

▲神经元结构图  图片来源：维基百科

因此，在过去的几年里，研究人员开发并改进了染色和显微镜技术，这些技术可以将脑组织样本转化为高分辨率的三维电子显微镜图像。

图像绘制的下一步，就是对其进行分析。在分析阶段，研究人员遇到了新的难题。

人工网络分析神经网络可行吗？

虽然现在有可能将一块脑组织分解成数十亿像素，但对这些电子显微镜图像的分析却并不简单。因为通过标准的计算机算法进行分析往往不太准确，无法可靠地追踪神经元超长距离的超薄投射，也无法识别突触。

由于这个原因，人们仍然不得不在电脑前花费大量时间来识别电子显微镜生成的图像中的突触。

按照这个效率，要实现对大脑的分析可能需要相当长的时间。

马克斯·普朗克研究所的科学家们没有被这一难题止住脚步，他们通过开发全新的人工神经网络SyConn，终于在这一问题上取得了突破。

主导该研究的科恩菲尔德说表示，“由于算法可以从以往的例子和经验中学习，并且基于这些知识进行概括，因此利用人工网络来分析真实的神经网络并不是一个很大的延伸。”

研究人员利用几个月的时间，专注训练和测试所谓的卷积神经网络，以识别细胞扩展、细胞成分和突触，并将它们彼此区分开来。

经过训练，最终他们得到了名为SyConn的人工神经网络。

根据SyConn网络对鸣禽大脑数据的使用表明，SyConn网络自主识别得出的结构数据非常可靠，甚至不需要人类检查错误。

这一成果让科恩菲尔德十分兴奋，因为他们没有想到SyConn网络会做到这么低的错误率。

研究人员表示，SyConn网络将使神经生物学家在未来免去数千小时单调乏味的工作。