业内首次将AI元学习引入神经科学，字节跳动参与成果入选行业顶刊

近日，Nature子刊Nature Neuroscience接收了一项由字节跳动海外技术团队与新加坡国立大学等机构合作的研究成果。Nature Neuroscience是神经生物学领域最顶级的刊物之一。

这项研究成果首次将AI元学习引入到神经科学及医疗领域，在临床应用方面具有巨大潜能。

字节跳动参与的研究成果入选了Nature子刊

这里的“元学习”，是指在没有任何人为干预的场景下，机器能自发适应环境并且进化，学会处理遇到的新任务。

而“神经科学”，用通俗的话来说，则是一种“脑科学”。脑成像技术是其中一个重要领域。它能够直接观察大脑在信息处理、应对刺激时的神经化学变化，为疾病诊断和治疗提供重要参照。

脑磁共振成像

理论上，基于脑成像的机器学习模型，可以预测个人意识、情绪等可观测特征，这种特征就叫做表型。

训练这些模型，往往需要大规模的数据。虽然现在已经有英国生物银行（UK Biobank）等大规模人类神经科学数据集，但是在研究临床人群或解决重点神经科学的问题时，小规模数据样本依旧是常态。

在数据量有限的情况下，科学家很难训练出一个可靠的机器学习模型来预测个人的表型，这一状况制约了个人精准医疗。

字节跳动技术团队发现，小数据集当中的某些独特表型，可能与大规模数据集当中的某些预先存在的特定表型相关。基于这种相关性，团队提出名为元匹配（meta-matching）的方法。

这一方法可以将在大规模脑成像数据集上所训练的机器学习模型，迁移到一个小规模数据集上，从而训练出更可靠的模型，以更准确地预测新的表型。

新方法在英国生物银行（UK Biobank）和人类连接组计划（Human Connectome Project）的数据集上进行了测评。

HCP数据集上的表型示例

结果显示，新方法在这两个数据集的评估中显示出了有效性，且准确率显著超过经典的KRR方法。

在BioBank测试集上性能超过经典的KRR

在HCP小规模新数据集上显著超过KRR

这项研究由字节跳动智创基础研究团队参与完成。

字节跳动技术团队在从计算机视觉到自然语言处理，再到机器人等前沿探索的多个领域，均有持续投入。

2021年7月，字节跳动技术团队研发出了针对手机端720p/1080p 35fps以内视频的超低功耗超分辨率算法，为数亿用户带来高清画质播放体验。

2021年8月，字节跳动AI Lab的机器翻译技术论文当选国际顶级学术会议ACL 2021年度“最佳论文”。这是ACL成立59年以来，中国科学家团队第二次赢得最高奖项。

2021年11月，字节跳动、约翰霍普金斯大学等机构组成的联合团队提出iBOT。iBOT是一种视觉大模型无监督预训练方法，适用于计算机视觉领域，在十几类任务和数据集上，均达到了业界当前最高水平。

技术推陈出新，字节跳动不止。