View allAll Photos Tagged neuron
The marsh was completely frozen. Now it is starting to thaw in places and these wonderful ice neurons abound.
Last Sunday, despite the bad weather, we decided to drive out to Mt. Diablo State Park to see what we could see. Unfortunately we couldn't see very much, as the rain and fog got worse as we got closer to the summit. :-/ However, I did see this wicked tree and took several photos to create a pano of ... Posted via email from Jezlyn Jones
Por fin os puedo compartir este post… que va cargadito de ilusión… aunque ahora ya repuesta, y con las neuronas frescas vengo a contaros como fue todo!!!..
Lo increíble que puede ser, conocer a gente por internet.. no solo se consiguen grandes amores, si no amistades irrompibles.
Este es el caso de Diana y mio, nos conocimos en un foro de perritos.. sí! De perritos… ella y yo tenemos yorkies, y eso fue lo que poco a poco en cada conversación hizo nuestra amistad tan fuerte.
El año pasado decidieron dar el sí ante el altar, y aunque es verdad… os debo las fotos de los novios, hoy quiero compartirles el momento tan emotivo que vivimos sus amigos y familia el día de su baby shower.
Habichuela, como así le llamo, al ser pequeñito que por ahora vive en la barriguita de Diana, sorprendió a muchos con su llegada, y aunque mas la mami que el papi, siempre va con nervios que espera que todo salga bien ( supongo que todas las mamis pasan por eso ) … a día de hoy, el embarazo va muy bien.
Tal vez este baby shower, fue tan premeditado, antes que fuese concebido habichuela… sabéis esas conversaciones locas q uno tiene, y empieza diciendo.. pues cuando me saque la lotería… pillaré esto o lo otro?..... algo parecido pasó con nosotras, diciendo, el día que tengas una bebe, hay que hacer un baby shower!!!, y es que claro, aquí en España no se suele vivir así, aunque, esto va entrando poco a poco.
Con todas las ilusiones puestas, me puse en ello, y aunque confieso que fue muuuuuy agotador, sobre todo por terminar pedidos en Barcelona, cuadrar todo lo del curso, y proyectos que por ahora … no os puedo contar.. todo se me hizo muy grande.
Llegue a Valencia, con la tarta para 40 personas, sobre las piernas, no podía ni moverme ni un poquito por miedo a que se estropeara algo, 4 horas en coche … una tortura!, sin embargo, puedo decir que VALIO LA PENA!!!!... como le digo a Diana… por mi habichuela… todo y más!!!...
40 galletas decoradas con fondant, y cerca de 70 mini cupcakes, de crema de queso con mago, y chocolate con almendra, fueron lo que acompañaron a la mesa dulce.
Todo decorado con mis ilustraciones de niña y niño… fue un momento tan pero tan bonito… que me da nostalgia recordarlo.
Lo curioso de todo, que fui la primera en enterarme que Habichuela venía a este mundo y como guinda del pastel, fui la única que sabía si era niño o niña, al momento de hacerle la eco a ella, solo estaba ella y el marido, evidentemente, el doctor se lo dijo a Javi, y este me lo dijo a mi, para poder realizar toda la fiesta, confieso que guardar tremeeeeeendo secreto fue horrible!! Mas cuando a diario conversaba con ella, y hablar del bebe en masculino o femenino era delicado.
Y la pregunta es… y como revelabais si era niña o niño? .. muy fácil! Solo tenían que partir el pastel, y dependiendo del color del bizcocho, rosa o celeste, se sabía que era ¡!!.. a muchos se nos escapó la lagrimita… fue un momento completamente memorable!!!...
Aquí os dejo todo el reportaje fotográfico, bastante largo, pero muy completo! Que espero que os guste mucho.
En breve subiré a nuestra tienda de Artesanio, toda la colección de babyshower para vuestra mesa dulce.
Una vez mas, muchísimas gracias por leernos ^__^
#deepdream code informatique de l'intelligence artificielle de Google spécifique "Fractal DDC " développé et dédié pour un nouvel art à La Demeure du Chaos - The Abode of Chaos ou comment les machines perçoivent La Demeure du Chaos - The Abode of Chaos
et si leurs regards étaient ce qui se cache derrière la matrice que nous percevons en tant qu'humains? ces multiples miroirs sont peut-être un autre monde plus réel ou plus éthéré... NB thierry bonne lecture de ce post et ses images dantesques.
Depuis quelques temps vous avez peut-être vu circuler sur les réseaux sociaux des images étranges, affublées d'un hashtag (mot-clé) #deepdream.
Deep Dream est un programme d'intelligence artificielle mis au point par les ingénieurs de Google. Ces derniers travaillent à la reconnaissance d'images pour, entre autres, améliorer la pertinence des recherches dans Google. Le 17 juin dernier ils ont publié un billet intitulé : "Inceptionnisme : plus loin dans les réseaux neuronaux".
Dans ce post ils expliquent comment ils ont réussi, dans leurs recherches, à faire analyser une image mais surtout générer des formes par l'ordinateur. Pour que l'intelligence artificielle puisse mieux reconnaître ce qui compose une image, les ingénieurs ont commencé par lui montrer des millions de photos.
Plusieurs couches de neurones
L'intelligence artificielle fonctionne ici en un ensemble de réseaux de neurones qu'il faut se figurer comme différentes couches. La première est chargée de regarder les bords et les angles d'une image.
Les couches intermédiaires cherchent quant à elles les formes et les différents éléments présents dans l'image comme une feuille ou une porte. Les derniers réseaux assemblent toutes ces informations pour en fournir des interprétations complexes, comme des arbres ou des bâtiments.
Pour comprendre au mieux comment fonctionnent ces couches, les ingénieurs ont tenté de pousser l'analyse de certaines. Ils résument ainsi la commande faite au système : "Quoi que tu vois, on veut le voir encore plus." C'est alors que l'intelligence artificielle a généré des formes au sein des clichés.
"Si un nuage ressemble un petit peu à un oiseau, alors le système va le faire ressembler encore plus à un oiseau, expliquent les ingénieurs. En réitérant l’action, le programme va reconnaître un oiseau plus fortement et ainsi de suite jusqu’à ce qu’un oiseau très détaillé apparaisse, comme sorti de nulle part."
"L'inceptionnisme"
Les images varient selon le réseau neuronal qui est amplifié. Par exemple, plus on sollicite les couches inférieures, plus des traits vont apparaître. Si on stimule d'avantage les couches supérieures, ce sont des objets qui émergent de l'image.
Les ingénieurs précisent d'ailleurs que comme l'ordinateur a enregistré beaucoup de clichés d'animaux durant son entraînement, il en reproduit souvent. Et parfois en les mixant, ce qui crée des créatures étranges.
Pour ces chercheurs, le Deep Dream a ainsi créé un mouvement artistique qu'ils appellent "l'#inceptionnisme", en référence à l'architecture des réseaux neuronaux.
Au début, cette expérimentation ne cherchait qu'à améliorer l'intelligence artificielle. Mais lorsque les ingénieurs ont posté ce billet, de nombreux internautes se sont intéressés à ce Deep Dream.
Google a donc rendu public le code utilisé pour générer ces images. Des informaticiens s'en sont emparés et ont mis au point des logiciels et des interfaces pour que les internautes puissent s'en servir.
Ce qui ne manque pas de plaire à Google. Les chercheurs encouragent à taguer les images #deepdream sur Twitter, Facebook ou Google+. "Il sera intéressant de voir quelles images les gens arrivent à générer", écrivent-ils.
A Neuron in the Spotlight
Every neuron in an artificial neural network can be seen as a mathematical function which, as a rule, connects several inputs to an output. From the input values, the neuron generates an output value that is passed on to the next layer of neurons. The higher this value is, the more “active” the neuron becomes in the network. This is why we refer to so-called activation functions. At this station you can try out how different mathematical functions in the neuron affect the output.
Colors and Weights
Is it easier to read the black or the white letters on each background color? That’s what this network is being trained on. The input values are the percentages of the colors red, green, and blue (RGB spectrum) that make up the background colors. With every input, the system learns and we can watch how it changes the weights between the neurons in order to ultimately come up with a better result.
Credit: Ars Electronica / Martin Hieslmair
Fernández-Busnadiego et al. present a three-dimensional view of the presynaptic cytomatrix using cryo-electron tomography. Synaptic vesicles (yellow) are linked to each other by short connector filaments (red) and docked at the plasma membrane(purple) by protein tethers (dark blue). (JCB 188(1) TOC1)
This image is available to the public to copy, distribute, or display under a Creative Commons Attribution-Noncommercial-Share Alike 3.0 Unported license.
Reference: Fernández-Busnadiego et al. (2010) J. Cell Biol. 188, 145-156.
Published on: January 11, 2010.
Doi: 10.1083/jcb.200908082
Read the full article at:
A Neuron in the Spotlight
Every neuron in an artificial neural network can be seen as a mathematical function which, as a rule, connects several inputs to an output. From the input values, the neuron generates an output value that is passed on to the next layer of neurons. The higher this value is, the more “active” the neuron becomes in the network. This is why we refer to so-called activation functions. At this station you can try out how different mathematical functions in the neuron affect the output.
Colors and Weights
Is it easier to read the black or the white letters on each background color? That’s what this network is being trained on. The input values are the percentages of the colors red, green, and blue (RGB spectrum) that make up the background colors. With every input, the system learns and we can watch how it changes the weights between the neurons in order to ultimately come up with a better result.
Credit: Ars Electronica / Martin Hieslmair
#deepdream code informatique de l'intelligence artificielle de Google spécifique "Fractal DDC " développé et dédié pour un nouvel art à La Demeure du Chaos - The Abode of Chaos ou comment les machines perçoivent La Demeure du Chaos - The Abode of Chaos
et si leurs regards étaient ce qui se cache derrière la matrice que nous percevons en tant qu'humains? ces multiples miroirs sont peut-être un autre monde plus réel ou plus éthéré... NB thierry bonne lecture de ce post et ses images dantesques.
Depuis quelques temps vous avez peut-être vu circuler sur les réseaux sociaux des images étranges, affublées d'un hashtag (mot-clé) #deepdream.
Deep Dream est un programme d'intelligence artificielle mis au point par les ingénieurs de Google. Ces derniers travaillent à la reconnaissance d'images pour, entre autres, améliorer la pertinence des recherches dans Google. Le 17 juin dernier ils ont publié un billet intitulé : "Inceptionnisme : plus loin dans les réseaux neuronaux".
Dans ce post ils expliquent comment ils ont réussi, dans leurs recherches, à faire analyser une image mais surtout générer des formes par l'ordinateur. Pour que l'intelligence artificielle puisse mieux reconnaître ce qui compose une image, les ingénieurs ont commencé par lui montrer des millions de photos.
Plusieurs couches de neurones
L'intelligence artificielle fonctionne ici en un ensemble de réseaux de neurones qu'il faut se figurer comme différentes couches. La première est chargée de regarder les bords et les angles d'une image.
Les couches intermédiaires cherchent quant à elles les formes et les différents éléments présents dans l'image comme une feuille ou une porte. Les derniers réseaux assemblent toutes ces informations pour en fournir des interprétations complexes, comme des arbres ou des bâtiments.
Pour comprendre au mieux comment fonctionnent ces couches, les ingénieurs ont tenté de pousser l'analyse de certaines. Ils résument ainsi la commande faite au système : "Quoi que tu vois, on veut le voir encore plus." C'est alors que l'intelligence artificielle a généré des formes au sein des clichés.
"Si un nuage ressemble un petit peu à un oiseau, alors le système va le faire ressembler encore plus à un oiseau, expliquent les ingénieurs. En réitérant l’action, le programme va reconnaître un oiseau plus fortement et ainsi de suite jusqu’à ce qu’un oiseau très détaillé apparaisse, comme sorti de nulle part."
"L'inceptionnisme"
Les images varient selon le réseau neuronal qui est amplifié. Par exemple, plus on sollicite les couches inférieures, plus des traits vont apparaître. Si on stimule d'avantage les couches supérieures, ce sont des objets qui émergent de l'image.
Les ingénieurs précisent d'ailleurs que comme l'ordinateur a enregistré beaucoup de clichés d'animaux durant son entraînement, il en reproduit souvent. Et parfois en les mixant, ce qui crée des créatures étranges.
Pour ces chercheurs, le Deep Dream a ainsi créé un mouvement artistique qu'ils appellent "l'#inceptionnisme", en référence à l'architecture des réseaux neuronaux.
Au début, cette expérimentation ne cherchait qu'à améliorer l'intelligence artificielle. Mais lorsque les ingénieurs ont posté ce billet, de nombreux internautes se sont intéressés à ce Deep Dream.
Google a donc rendu public le code utilisé pour générer ces images. Des informaticiens s'en sont emparés et ont mis au point des logiciels et des interfaces pour que les internautes puissent s'en servir.
Ce qui ne manque pas de plaire à Google. Les chercheurs encouragent à taguer les images #deepdream sur Twitter, Facebook ou Google+. "Il sera intéressant de voir quelles images les gens arrivent à générer", écrivent-ils.
#deepdream code informatique de l'intelligence artificielle de Google spécifique "Fractal DDC " développé et dédié pour un nouvel art à La Demeure du Chaos - The Abode of Chaos ou comment les machines perçoivent La Demeure du Chaos - The Abode of Chaos
et si leurs regards étaient ce qui se cache derrière la matrice que nous percevons en tant qu'humains? ces multiples miroirs sont peut-être un autre monde plus réel ou plus éthéré... NB thierry bonne lecture de ce post et ses images dantesques.
Depuis quelques temps vous avez peut-être vu circuler sur les réseaux sociaux des images étranges, affublées d'un hashtag (mot-clé) #deepdream.
Deep Dream est un programme d'intelligence artificielle mis au point par les ingénieurs de Google. Ces derniers travaillent à la reconnaissance d'images pour, entre autres, améliorer la pertinence des recherches dans Google. Le 17 juin dernier ils ont publié un billet intitulé : "Inceptionnisme : plus loin dans les réseaux neuronaux".
Dans ce post ils expliquent comment ils ont réussi, dans leurs recherches, à faire analyser une image mais surtout générer des formes par l'ordinateur. Pour que l'intelligence artificielle puisse mieux reconnaître ce qui compose une image, les ingénieurs ont commencé par lui montrer des millions de photos.
Plusieurs couches de neurones
L'intelligence artificielle fonctionne ici en un ensemble de réseaux de neurones qu'il faut se figurer comme différentes couches. La première est chargée de regarder les bords et les angles d'une image.
Les couches intermédiaires cherchent quant à elles les formes et les différents éléments présents dans l'image comme une feuille ou une porte. Les derniers réseaux assemblent toutes ces informations pour en fournir des interprétations complexes, comme des arbres ou des bâtiments.
Pour comprendre au mieux comment fonctionnent ces couches, les ingénieurs ont tenté de pousser l'analyse de certaines. Ils résument ainsi la commande faite au système : "Quoi que tu vois, on veut le voir encore plus." C'est alors que l'intelligence artificielle a généré des formes au sein des clichés.
"Si un nuage ressemble un petit peu à un oiseau, alors le système va le faire ressembler encore plus à un oiseau, expliquent les ingénieurs. En réitérant l’action, le programme va reconnaître un oiseau plus fortement et ainsi de suite jusqu’à ce qu’un oiseau très détaillé apparaisse, comme sorti de nulle part."
"L'inceptionnisme"
Les images varient selon le réseau neuronal qui est amplifié. Par exemple, plus on sollicite les couches inférieures, plus des traits vont apparaître. Si on stimule d'avantage les couches supérieures, ce sont des objets qui émergent de l'image.
Les ingénieurs précisent d'ailleurs que comme l'ordinateur a enregistré beaucoup de clichés d'animaux durant son entraînement, il en reproduit souvent. Et parfois en les mixant, ce qui crée des créatures étranges.
Pour ces chercheurs, le Deep Dream a ainsi créé un mouvement artistique qu'ils appellent "l'#inceptionnisme", en référence à l'architecture des réseaux neuronaux.
Au début, cette expérimentation ne cherchait qu'à améliorer l'intelligence artificielle. Mais lorsque les ingénieurs ont posté ce billet, de nombreux internautes se sont intéressés à ce Deep Dream.
Google a donc rendu public le code utilisé pour générer ces images. Des informaticiens s'en sont emparés et ont mis au point des logiciels et des interfaces pour que les internautes puissent s'en servir.
Ce qui ne manque pas de plaire à Google. Les chercheurs encouragent à taguer les images #deepdream sur Twitter, Facebook ou Google+. "Il sera intéressant de voir quelles images les gens arrivent à générer", écrivent-ils.
«Il sistema dei neuroni specchio appare così decisivo per l'insorgere di quel terreno d'esperienza comune che è all'origine della nostra capacità di agire come soggetti non soltanto individuali ma anche e soprattutto sociali. Forme più o meno complicate di imitazione, di apprendimento, di comunicazione gestuale e addirittura verbale trovano, infatti, un riscontro puntuale nell'attivazione di specifici circuiti specchio. Non solo: la nostra stessa possibilità di cogliere le reazioni emotive degli altri è correlata a un determinato insieme di aree caratterizzate da proprietà specchio. Al pari delle azioni, anche le emozioni risultano immediatamente condivise: la percezione del dolore o del disgusto altrui attivano le stesse aree della corteccia cerebrale che sono coinvolte quando siamo noi a provare dolore o disgusto».
Giacomo Rizzolatti
projection neurons in RA (the extent of which is visible as a foggy oval). These cells are some of a few thousand that control the acoustics of birdsong.
#deepdream code informatique de l'intelligence artificielle de Google spécifique "Fractal DDC " développé et dédié pour un nouvel art à La Demeure du Chaos - The Abode of Chaos ou comment les machines perçoivent La Demeure du Chaos - The Abode of Chaos
et si leurs regards étaient ce qui se cache derrière la matrice que nous percevons en tant qu'humains? ces multiples miroirs sont peut-être un autre monde plus réel ou plus éthéré... NB thierry bonne lecture de ce post et ses images dantesques.
Depuis quelques temps vous avez peut-être vu circuler sur les réseaux sociaux des images étranges, affublées d'un hashtag (mot-clé) #deepdream.
Deep Dream est un programme d'intelligence artificielle mis au point par les ingénieurs de Google. Ces derniers travaillent à la reconnaissance d'images pour, entre autres, améliorer la pertinence des recherches dans Google. Le 17 juin dernier ils ont publié un billet intitulé : "Inceptionnisme : plus loin dans les réseaux neuronaux".
Dans ce post ils expliquent comment ils ont réussi, dans leurs recherches, à faire analyser une image mais surtout générer des formes par l'ordinateur. Pour que l'intelligence artificielle puisse mieux reconnaître ce qui compose une image, les ingénieurs ont commencé par lui montrer des millions de photos.
Plusieurs couches de neurones
L'intelligence artificielle fonctionne ici en un ensemble de réseaux de neurones qu'il faut se figurer comme différentes couches. La première est chargée de regarder les bords et les angles d'une image.
Les couches intermédiaires cherchent quant à elles les formes et les différents éléments présents dans l'image comme une feuille ou une porte. Les derniers réseaux assemblent toutes ces informations pour en fournir des interprétations complexes, comme des arbres ou des bâtiments.
Pour comprendre au mieux comment fonctionnent ces couches, les ingénieurs ont tenté de pousser l'analyse de certaines. Ils résument ainsi la commande faite au système : "Quoi que tu vois, on veut le voir encore plus." C'est alors que l'intelligence artificielle a généré des formes au sein des clichés.
"Si un nuage ressemble un petit peu à un oiseau, alors le système va le faire ressembler encore plus à un oiseau, expliquent les ingénieurs. En réitérant l’action, le programme va reconnaître un oiseau plus fortement et ainsi de suite jusqu’à ce qu’un oiseau très détaillé apparaisse, comme sorti de nulle part."
"L'inceptionnisme"
Les images varient selon le réseau neuronal qui est amplifié. Par exemple, plus on sollicite les couches inférieures, plus des traits vont apparaître. Si on stimule d'avantage les couches supérieures, ce sont des objets qui émergent de l'image.
Les ingénieurs précisent d'ailleurs que comme l'ordinateur a enregistré beaucoup de clichés d'animaux durant son entraînement, il en reproduit souvent. Et parfois en les mixant, ce qui crée des créatures étranges.
Pour ces chercheurs, le Deep Dream a ainsi créé un mouvement artistique qu'ils appellent "l'#inceptionnisme", en référence à l'architecture des réseaux neuronaux.
Au début, cette expérimentation ne cherchait qu'à améliorer l'intelligence artificielle. Mais lorsque les ingénieurs ont posté ce billet, de nombreux internautes se sont intéressés à ce Deep Dream.
Google a donc rendu public le code utilisé pour générer ces images. Des informaticiens s'en sont emparés et ont mis au point des logiciels et des interfaces pour que les internautes puissent s'en servir.
Ce qui ne manque pas de plaire à Google. Les chercheurs encouragent à taguer les images #deepdream sur Twitter, Facebook ou Google+. "Il sera intéressant de voir quelles images les gens arrivent à générer", écrivent-ils.
The nEUROn is the European fuill-scale technological demonstrator for an UCAV developed by an industrial tema led by Dassault Aviation with the collaboration of Finmeccanica-Alenia Aermacchi, Saab, Airbus Defence and Space, RUAG and HAI.
Next Content Conference 2016
A representative for Perception Neuron gives a demonstration of the company's VR motion sensor technology at the 2016 Next Content Conference, in Seoul on Nov. 15.
November 15, 2016
Coex, Gangnam-gu, Seoul
Ministry of Culture, Sports and Tourism
Korean Culture and Information Service
Korea.net (www.korea.net)
Official Photographer : Jeon Han
This official Republic of Korea photograph is being made available only for publication by news organizations and/or for personal printing by the subject(s) of the photograph. The photograph may not be manipulated in any way. Also, it may not be used in any type of commercial, advertisement, product or promotion that in any way suggests approval or endorsement from the government of the Republic of Korea.
-------------------------------------------------
2016 콘텐츠 컨퍼런스
‘국제 콘텐츠 컨퍼런스 2016’ 개막식이 15일 코엑스에서 열린 가운데 체험전시관 ‘퍼셉션뉴런(Perception Neuron)’ 관계자가 VR 모션 인식 장비를 시범 보이고 있다.
2016-11-15
코엑스
문화체육관광부
해외문화홍보원
코리아넷
전한
=Related Article=
-English-
Content, technology convergence for 'a better tomorrow'
www.korea.net/NewsFocus/Sci-Tech/view?articleId=142121
-中文-
内容与技术的融复合带来“比今天更美好的明天”
chinese.korea.net/NewsFocus/Sci-Tech/view?articleId=142119
-日本語-
コンテンツと技術の融合複合で「より良い明日」を
japanese.korea.net/NewsFocus/Sci-Tech/view?articleId=142118
-한국어-
콘텐츠와 기술의 융복합, ‘오늘 보다 나은 내일’
GREEN RECTANGLES CONTAIN NEURON REMAINS. NO MICRON-SIZED MINERALS/CRYSTALS POSSESS SUCH DENDRITES THAT RADIATE FROM THE PARTICLES. Above photo in the largest size: www.flickr.com/photos/fossil_lin/44991436815/sizes/o/
IMAGE SOURCE: FIG. 9 IN www.appstate.edu/~loveab/met.htm#gc3
MY WEBSITE: wretchfossil.blogspot.com/
Pseudo-unipolar neurons, spinal ganglion (H-E stain)
Leitz Orthoplan, 25X Difference Interference Contrast illumination
A Neuron in the Spotlight
Every neuron in an artificial neural network can be seen as a mathematical function which, as a rule, connects several inputs to an output. From the input values, the neuron generates an output value that is passed on to the next layer of neurons. The higher this value is, the more “active” the neuron becomes in the network. This is why we refer to so-called activation functions. At this station you can try out how different mathematical functions in the neuron affect the output.
Colors and Weights
Is it easier to read the black or the white letters on each background color? That’s what this network is being trained on. The input values are the percentages of the colors red, green, and blue (RGB spectrum) that make up the background colors. With every input, the system learns and we can watch how it changes the weights between the neurons in order to ultimately come up with a better result.
Credit: vog.photo
Observe pseudounipolar neuron with a single process that divides into two a dendrite and axon. Note the direction of propagation
La myéline est une substance qui enrobe l'axone, extension unique du neurone, qui propage l'information depuis le corps jusqu'aux terminaisons nerveuses (ou synapses). La myéline isole l'axone et permet d'accélérer la vitesse de transmission de l'information électrique qui le parcourt. Certaines maladies auto-immunes comme la sclérose en plaque se manifestent par la dégradation de cette gaine.
On observe ici la région cérébrale où se produit classiquement la démyélinisation suite à une attaque du système immunitaire similaire à ce qu'on peut observer dans les pathologies auto-immunes dégradant la gaine de myéline.
Les cellules visualisées en rouge correspondent à l’ensemble des cellules microgliales - cellules du système immunitaire (macrophages) spécifiques du système nerveux central -, qui présentent des propriétés inflammatoires se manifestant juste après la démyélinisation. Lorsque le processus de régénération spontanée de la myéline est efficace, le caractère inflammatoire des cellules microgliales s’atténue ensuite au profit d’un caractère anti-inflammatoire et pro-régénératif. Les cellules visualisées en vert sont une sous-population de ces cellules microgliales qui deviennent anti-inflammatoires.
© Zahaf et al./Inserm U1050.licence CC-BY-NC 4.0 international
En savoir plus :
La sclérose en plaques est une maladie auto-immune pour laquelle il n’existe pas encore de traitement curatif. Une de ses particularités est de toucher trois femmes pour un homme. Des scientifiques se sont donc intéressés au rôle des hormones sexuelles pour mieux comprendre les différences entre hommes et femmes face à cette maladie. Ils ont réussi à montrer que même s’ils ne sont présents qu’en faible quantité chez les souris femelles, les hormones mâles appelées androgènes (qui favorisent le développement des organes génitaux externes, la formation du sperme et l'apparition des caractères sexuels secondaires) ont bien une action favorisant une régénération optimale de la myéline détruite.
Ces résultats mettent en lumière la nécessité de prendre en considération le sexe du patient dans l’approche thérapeutique de cette pathologie. Ils pourraient aussi ouvrir de nouvelles pistes de traitements pour d'autres pathologies altérant la gaine de myéline du système nerveux central.
Sources : Androgens show sex-dependent differences in myelination in immune and non-immune murine models of CNS demyelination, Nature communications, mars 2023 : doi.org/10.1038/s41467-023-36846-w
The images in the bottom row were reconstructed from177 electrodes implanted in the thalamus of a cat at Harvard University in 1999. See:
www.mindpixel.com/chris/2005/06/brainpixels-extracting-vi...
#deepdream code informatique de l'intelligence artificielle de Google spécifique "Fractal DDC " développé et dédié pour un nouvel art à La Demeure du Chaos - The Abode of Chaos ou comment les machines perçoivent La Demeure du Chaos - The Abode of Chaos
et si leurs regards étaient ce qui se cache derrière la matrice que nous percevons en tant qu'humains? ces multiples miroirs sont peut-être un autre monde plus réel ou plus éthéré... NB thierry bonne lecture de ce post et ses images dantesques.
Depuis quelques temps vous avez peut-être vu circuler sur les réseaux sociaux des images étranges, affublées d'un hashtag (mot-clé) #deepdream.
Deep Dream est un programme d'intelligence artificielle mis au point par les ingénieurs de Google. Ces derniers travaillent à la reconnaissance d'images pour, entre autres, améliorer la pertinence des recherches dans Google. Le 17 juin dernier ils ont publié un billet intitulé : "Inceptionnisme : plus loin dans les réseaux neuronaux".
Dans ce post ils expliquent comment ils ont réussi, dans leurs recherches, à faire analyser une image mais surtout générer des formes par l'ordinateur. Pour que l'intelligence artificielle puisse mieux reconnaître ce qui compose une image, les ingénieurs ont commencé par lui montrer des millions de photos.
Plusieurs couches de neurones
L'intelligence artificielle fonctionne ici en un ensemble de réseaux de neurones qu'il faut se figurer comme différentes couches. La première est chargée de regarder les bords et les angles d'une image.
Les couches intermédiaires cherchent quant à elles les formes et les différents éléments présents dans l'image comme une feuille ou une porte. Les derniers réseaux assemblent toutes ces informations pour en fournir des interprétations complexes, comme des arbres ou des bâtiments.
Pour comprendre au mieux comment fonctionnent ces couches, les ingénieurs ont tenté de pousser l'analyse de certaines. Ils résument ainsi la commande faite au système : "Quoi que tu vois, on veut le voir encore plus." C'est alors que l'intelligence artificielle a généré des formes au sein des clichés.
"Si un nuage ressemble un petit peu à un oiseau, alors le système va le faire ressembler encore plus à un oiseau, expliquent les ingénieurs. En réitérant l’action, le programme va reconnaître un oiseau plus fortement et ainsi de suite jusqu’à ce qu’un oiseau très détaillé apparaisse, comme sorti de nulle part."
"L'inceptionnisme"
Les images varient selon le réseau neuronal qui est amplifié. Par exemple, plus on sollicite les couches inférieures, plus des traits vont apparaître. Si on stimule d'avantage les couches supérieures, ce sont des objets qui émergent de l'image.
Les ingénieurs précisent d'ailleurs que comme l'ordinateur a enregistré beaucoup de clichés d'animaux durant son entraînement, il en reproduit souvent. Et parfois en les mixant, ce qui crée des créatures étranges.
Pour ces chercheurs, le Deep Dream a ainsi créé un mouvement artistique qu'ils appellent "l'#inceptionnisme", en référence à l'architecture des réseaux neuronaux.
Au début, cette expérimentation ne cherchait qu'à améliorer l'intelligence artificielle. Mais lorsque les ingénieurs ont posté ce billet, de nombreux internautes se sont intéressés à ce Deep Dream.
Google a donc rendu public le code utilisé pour générer ces images. Des informaticiens s'en sont emparés et ont mis au point des logiciels et des interfaces pour que les internautes puissent s'en servir.
Ce qui ne manque pas de plaire à Google. Les chercheurs encouragent à taguer les images #deepdream sur Twitter, Facebook ou Google+. "Il sera intéressant de voir quelles images les gens arrivent à générer", écrivent-ils.