איך גוגל חוסכת 150 שנה של עבודה אנושית באמצעות נוירונים "מזוייפים"
מיפוי המוח האנושי הוא אולי האתגר הטכנולוגי והמדעי הגדול ביותר של זמננו. כדי להבין איך המוח עובד, אנחנו צריכים למפות לא רק את התאים עצמם, אלא את רשת הקשרים הסבוכה ביניהם – תחום שנקרא קונקטומיקה (Connectomics). הבעיה? המוח הוא עצום, והפרטים קטנים מדי. סריקה של פיסת מוח בגודל גרגיר אורז בלבד מייצרת כ-1.4 פטא-בייט של נתונים.
עד היום, צוואר הבקבוק המרכזי לא היה המחשוב, אלא דווקא הגורם האנושי. כעת, חוקרים ב-Google Research הציגו פריצת דרך משמעותית בשם MoGen, שעשויה לשנות את כללי המשחק בתחום הביולוגיה החישובית.
הבעיה: כשאפילו הבינה המלאכותית צריכה "בייביסיטר"
כדי למפות מוח, משתמשים במיקרוסקופ אלקטרוני כדי לצלם פרוסות דקיקות ביותר של רקמה. אלגוריתמים של בינה מלאכותית (כמו רשתות Flood-filling) עוברים על התמונות האלו ומנסים לשחזר את הצורה התלת-ממדית של כל נוירון ונוירון.
הבעיה היא שהאלגוריתמים האלו לא מושלמים. הם נוטים לבצע טעויות של "מיזוג" (חיבור שני נוירונים נפרדים) או "פיצול" (חיתוך נוירון אחד לשניים). כדי שהמפה תהיה מדויקת מספיק למחקר מדעי, בני אדם נאלצים לשבת מול המסך ולתקן את הטעויות האלו ידנית. מדובר בעבודה סיזיפית, איטית ויקרה להחריד.
הפתרון: MoGen – מודל גנרטיבי לנוירונים סינתטיים
במקום לשלוח עוד בני אדם לתקן טעויות, גוגל פיתחה את MoGen (קיצור של Morphology Generator). זהו מודל AI גנרטיבי שמבוסס על טכנולוגיית Point Cloud Flow Matching. במקום לייצר תמונות של חתולים או טקסטים שיווקיים, MoGen מייצר מבנים תלת-ממדיים של נוירונים סינתטיים.
הנוירונים האלו הם "מזויפים", אבל הם נראים ומתנהגים בדיוק כמו הדבר האמיתי – כולל הפיתולים, העיקולים והענפים המורכבים של האקסונים והדנדריטים. בניסוי שערכה גוגל, מומחים אנושיים לא הצליחו להבדיל בין נוירון אמיתי לבין כזה שיוצר על ידי MoGen.
למה זה חשוב? כי עכשיו אפשר לייצר מיליוני דוגמאות של נוירונים ולהשתמש בהם כדי לאמן את מערכות הזיהוי (ה-Classifiers). ככל שהמערכת רואה יותר דוגמאות של "איך נוירון אמור להיראות", היא הופכת לטובה יותר בזיהוי טעויות בזמן אמת.
המתמטיקה של החיסכון: 4.4% ששווים 157 שנים
השימוש בנתונים הסינתטיים של MoGen שיפר את דיוק השחזור ב-4.4%. על פניו, זה נשמע כמו שיפור זניח, אבל כשמסתכלים על קנה המידה של מוח שלם, המספרים הופכים למדהימים:
- •במוח של עכבר: השיפור הזה מתרגם לחיסכון של 157 שנות עבודה של מומחה אנושי.
- •במוח אנושי: מדובר בחיסכון של אלפי שנות עבודה, מה שהופך פרויקטים שנחשבו לבלתי אפשריים לישימים מבחינה כלכלית וטכנית.
המודל החדש הוצג בכנס ICLR 2026 והוא זמין כעת ב-Open Source, מה שמאפשר לקהילה המדעית כולה להשתמש בו כדי להאיץ מחקרים על מחלות כמו אלצהיימר ודמנציה.
שורה תחתונה: ה-AI שמאמן את עצמו
פרויקט MoGen הוא דוגמה מצוינת למגמה רחבה יותר בעולם הטכנולוגי: שימוש בנתונים סינתטיים (Synthetic Data) כדי להתגבר על מחסור בנתונים מתויגים על ידי בני אדם. ככל שהמודלים האלו ישתפרו, אנחנו נראה את הבינה המלאכותית פותרת בעיות מורכבות יותר במדע, לא רק על ידי עיבוד נתונים קיימים, אלא על ידי יצירת עולמות תוכן שלמים שמשמשים כסימולציה ללמידה.
אם אתם רוצים להעמיק בפרטים הטכניים, גוגל שחררה את המאמר המלא ואת הקוד:
- •המאמר המדעי של MoGen ב-OpenReview
- •סקירה של Google Research על פרויקט הקונקטומיקה
- •הצצה למפות המוח האינטראקטיביות של גוגל ו-Harvard
היכולת שלנו להבין את המכונה המורכבת ביותר ביקום – המוח שלנו – עומדת לקפוץ מדרגה בזכות שילוב של גיאומטריה תלת-ממדית ובינה מלאכותית יוצרת. זה כבר לא רק מדע בדיוני, אלא הנדסת נתונים במיטבה.