Google Research opublikowało wyniki pracy nad modelem MoGen, który generuje syntetyczne neurony i pomaga AI lepiej rekonstruować struktury mózgu. To po raz pierwszy, gdy nowoczesne generatywne AI przesuwa granicę w dziedzinie connectomics.
Mapowanie mózgu to jeden z najtrudniejszych problemów współczesnej nauki. Pełna mapa mózgu muszki owocowej, zawierająca 166 tys. neuronów, pochłonęła lata pracy ludzi i komputerów wspieranych przez AI. Mysz ma mózg tysiąc razy większy. Człowiek – kolejny tysiąc razy. Skala jest niewyobrażalna, a czas proofreadu przez człowieka pozostaje najpoważniejszą przeszkodą w całym procesie.
Jeśli chcesz otrzymać raport przed oficjalną premierą oraz zobaczyć nazwę swojej firmy wśród uczestników badania – zostaw adres email na końcu ankiety.
Czym jest connectomics i dlaczego to ważne
Connectomics to dziedzina, która rekonstruuje sieci neuronów w mózgu, tworząc coś w rodzaju map okablowania. Cały proces zaczyna się od obrazowania cienkich wycinków tkanki mózgowej, które następnie są składane, wyrównywane i segmentowane tak, by z obrazów 2D powstawały trójwymiarowe struktury neuronów.
Problem polega na tym, że neurony nie wyglądają jak zwykłe komórki. Większość komórek w organizmie ma mniej więcej kulisty kształt. Neurony natomiast przypominają skomplikowane, rozgałęzione drzewka – wysyłają sygnały przez aksony (długie, cienkie wypustki, które mogą się skręcać i rozgałęziać) i odbierają je przez dendryty, często pokryte drobnymi kolcami. Ta geometria jest wyjątkowa dla każdego neuronu i biologicznie istotna – ale AI trudno ją opanować bez ogromnych ilości danych treningowych.
MoGen, czyli jak uczyć AI na syntetycznych danych
Zespół Google Research stworzył model MoGen (Neuronal Morphology Generation), który uczy się generować realistyczne kształty neuronów od zera. Do treningu użyto 1795 zweryfikowanych przez ludzi aksonów z kory myszy. Model oparty jest na architekturze PointInfinity i działa metodą flow matching na chmurach punktów 3D – stopniowo przekształca losowy zestaw punktów w wiarygodną geometrię neuronu.
Kluczowy test: czy ludzcy eksperci są w stanie odróżnić syntetyczne neurony od prawdziwych? Nie byli.
Syntetyczne kształty trafiły następnie do pipeline’u treningowego modelu PATHFINDER, który odpowiada za właściwą rekonstrukcję mózgu. Dodanie 10% syntetycznych danych od MoGen zmniejszyło wskaźnik błędów rekonstrukcji o 4,4%.
4,4% to naprawdę dużo
Brzmi skromnie. Ale przy skali pełnej mapy mózgu myszy taka poprawa przekłada się na oszczędność 157 lat ręcznej pracy eksperta. To konkretna, mierzalna wartość.
Błędy, które redukuje MoGen, to głównie tzw. merge errors – czyli sytuacje, gdy dwie niezwiązane ze sobą neuryty są przez AI błędnie łączone w jedną strukturę. Każdy taki błąd musi poprawiać człowiek.
To jest dokładnie ten rodzaj postępu, który mnie cieszy w AI – nie spektakularny skok, ale solidna, metodyczna poprawa procesu, który inaczej byłby niemożliwy do przeprowadzenia w ludzkim czasie życia. Jednocześnie warto zadać pytanie: skoro AI generuje dane treningowe dla innej AI, jak długo możemy ufać, że pętle syntetycznych danych nie wprowadzają subtelnych błędów, których jeszcze nie umiemy wykryć? Google mówi, że eksperci nie odróżniali syntetycznych neuronów od prawdziwych – ale to nie to samo, co powiedzenie, że syntetyczne neurony są biologicznie poprawne. Nauka będzie musiała znaleźć odpowiedź na to pytanie, zanim wejdziemy w rekonstrukcję mózgu człowieka.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Co dalej z MoGen
Google udostępniło MoGen jako model open-source, wraz z wersjami wytrenowanymi na neuronach różnych gatunków:
- mysz (cortex)
- zebra finch (zeberka)
- muszka owocowa
Zespół zapowiada też kolejne kroki. Zamiast generować losowe kształty neuronów, MoGen ma w przyszłości skupiać się na geometriach szczególnie podatnych na błędy rekonstrukcji. Badacze pracują również nad generowaniem syntetycznych obrazów z mikroskopu elektronowego, co pozwoliłoby dostarczać dane treningowe wcześniej w całym pipeline’ie.
Wyniki badań zostaną zaprezentowane na konferencji ICLR 2026. Praca naukowa dostępna jest w serwisie OpenReview, a model MoGen można przetestować pod adresem mogen-release.web.app.
Google mapuje mózgi od ponad dekady
To nie jest pierwszy projekt tego rodzaju w Google Research. Zespół Connectomics przez ponad 10 lat tworzył narzędzia i mapy mózgów różnych organizmów: fragmentu mózgu zebra finch, całego mózgu larwy danio pręgowanego, niewielkiego wycinka ludzkiego mózgu, a teraz – fragmentu mózgu myszy. MoGen to kolejne ogniwo w tej długoterminowej strategii.
Pełna mapa mózgu myszy wciąż pozostaje wyzwaniem na lata. Ale z każdym takim krokiem horyzont przesuwa się bliżej.
