TIMEDOO肽度（微信號：Time-doo）獲悉，俄羅斯斯科爾科沃理工學院(Skoltech Center)運算與數(shù)據(jù)密集科學與工程(CDISE)單位，利用深度學習神經(jīng)網(wǎng)絡(luò)，成功預測兒童智力。
根據(jù)Electronics360和Skoltech官網(wǎng)，這項研究最初是美國國立衛(wèi)生研究院(NIH)在2013年所做的研究，用來探討青少年興趣與習慣對腦部發(fā)展的影響。
為了進一步解密青少年腦部活動，NIH發(fā)起國際競賽，廣邀高手利用超過1.1萬張9~10歲兒童腦部結(jié)構(gòu)性/功能性磁振造影(structural/ functional MRI)的數(shù)據(jù)庫，打造能更加了解青少年認知、社會、情緒與身體發(fā)展的模型。
參賽的Skoltech團隊利用神經(jīng)網(wǎng)絡(luò)處理MRI影像，建造出能運作多個數(shù)學模型并應(yīng)用數(shù)據(jù)提升預測準確度的網(wǎng)絡(luò)架構(gòu)，成功預測流體智力(fluid intelligence)。
根據(jù)國家教育研究院，所謂「流體智力」與「晶體智力」(crystallized Intelligence)不同，后者指的是由后天經(jīng)驗和教育所獲得的知能；前者則是個體天生的能力，反映在偶然學習的項目和歸納性推理能力上，與后天學習的知識與經(jīng)驗無關(guān)。
Skoltech團隊為電腦視覺MRI數(shù)據(jù)分析開發(fā)出深度學習方法，找出兒童流體智力和大腦解剖學間的關(guān)聯(lián)，成功預測智力等級以及目標變數(shù)。盡管預測的準確度還稱不上完美，但是這次研究創(chuàng)造出的模型仍有助科學家進一步了解青少年發(fā)展。

編輯|周新思