View allAll Photos Tagged neuron
#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.
Observe pseudounipolar neuron with a single process that divides into two a dendrite and axon. Note the direction of propagation
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
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...
Pseudo-unipolar neurons, spinal ganglion (H-E stain)
Leitz Orthoplan, 10X Phase Contrast illumination
#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.
Lanix Neuron R con Procesador Intel® Core™ i5 y Microsoft® Windows® 7 Home Premium, laptop que brinda la más completa experiencia multimedia.
Además consigue ya tu Lanix Neuron R 1104-LFA07 en bit.ly/t8piFv o tu Lanix Neuron R 1104-LFA06 en bit.ly/urij09
Hippocampal neurons grown in a microfluidic chamber form axons (green) that project along microgrooves into a separate compartment. Dendrites and somas (red) remain trapped in the plating compartment, allowing Pinto et al. to study axon-intrinsic mechanisms of presynaptic differentiation. The researchers demonstrate that localized decreases in proteasomal activity result in the accumulation of polyubiquitinated proteins that trigger presynaptic assembly.
Image courtesy of 2016 Pinto et al.
Reference: Johnson et al. (2016) J. Cell Biol. 212: 789-801
Published on March 28, 2016.
doi: 10.1083/jcb.201509039
Read the full article online at: jcb.rupress.org/content/212/7/789
#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
Una neurona nitrérgica en la capa nuclear (o granulosa interna) de la retina de rata.
El dedo señalador, certero, de Juan José López, un maestro, ejemplo y amigo.
Esto fue durante un curso de Neurobiología que dimos el año pasado varios amigotes en el aula magna del pabellón de Anatomía Patológica del Hospital Moyano. En realidad, se imaginarán los que conocen el lugar, el curso fue la excusa (académica) para utilizar esa belleza de aula. El curso lo organizó Diego Cohon y los directores fueron Fabián Loidl y Mariano Outes. Y hubo un gran séquito de cómplices entre los que estaba JuanJo y me contaba yo.
Frederick “Rusty” Gage has spent his life asking a question many neuroscientists once considered heretical: can the adult brain grow new neurons?
When I photographed him at the Salk Institute in February 2026, that question felt less like rebellion and more like legacy. We made portraits in his study overlooking the Pacific, a quiet room washed in coastal light. The ocean moved below the cliffs in long, steady breaths. It is the same office once occupied by Jonas Salk, who recruited Rusty decades ago. The desk, the view, the gravity of the place. You feel it immediately. History is not abstract there. It presses in from the walls.
In the late twentieth century, neuroscience was built on a stark premise: you are born with a fixed number of neurons. Damage them and they are gone. Memory fades. Injury lingers. Aging narrows possibility. Rusty challenged that dogma with careful, methodical experiments that showed new neurons could, in fact, form in the adult hippocampus. The implications were enormous. Learning, mood, resilience, even the biology of hope took on new dimensions.
In person, what strikes you first is his attentiveness. He leans in slightly when you speak, hands folded, eyes steady behind round glasses. There is warmth in him that feels unforced. Soft spoken, yes, but never distant. You sense a mind that is constantly mapping connections, not only between neurons but between people. Students drift in and out of his orbit with ease. Colleagues seek him out. He listens more than he declares.
The study itself holds layers of meaning. Jonas Salk built the institute as a place where scientists could think expansively, where architecture and intellect met the horizon. Standing in that room with Rusty, you understand that recruitment was more than a hire. It was a passing of trust. Salk had imagined a future for biology that included imagination and risk. Rusty carried that forward into the living brain.
His work has since expanded beyond neurogenesis into how the genome shapes the nervous system over time. His lab explores mosaicism in the brain, the idea that our neurons are not genetically identical but subtly varied. The brain becomes not a static organ but a dynamic landscape, shaped by experience and by the restless choreography of DNA. It is a vision of the self that is fluid and intricate.
Photographing him in that office felt less like documenting a single scientist and more like tracing a lineage. Salk sought a vaccine that would protect children from paralysis. Rusty sought evidence that the adult brain was not condemned to decline. Both projects required a certain stubborn optimism. A belief that the body holds more possibility than we assume.
The weight of history was there, yes. But so was something lighter. A current of curiosity that refuses to settle. In Rusty Gage’s presence, you feel that science is not a monument. It is a conversation, still unfolding, with the ocean as witness.
Neurons ASER and ASEL, with jellyfish green flourescent protein represented with glow-in-the-dark thread. Compare to www.wormatlas.org/neurons.htm/ase.htm
perchè sei un vulcano
perchè sei speciale
perchè sei un pezzetto del mio cuore
perchè sei il mio neurone -
perchè sei stata la mia fidanzata
perchè ti voglio un sacco di bene
in bocca al lupo tesoro
[More Cocca&Vali Inside]
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...