DIGITIMES林子璇

俄罗斯斯科尔科沃理工学院(Skoltech Center)运算与数据密集科学与工程(CDISE)单位，运用深度学习神经网络，成功预测孩童智力。

这项研究的开端，是美国国立卫生研究院(NIH)在2013年所做的研究，探讨青少年兴趣与习惯对脑部发展的影响。

为了进一步解密青少年脑部活动，NIH发起国际竞赛，广邀高手运用超过1.1万张9~10岁孩童脑部结构性/功能性磁振造影(structural/ functional MRI)的数据库，打造能更加了解青少年认知、社会、情绪与身体发展的模型。

参赛的Skoltech团队运用神经网络处理MRI影像，建造出能运作多个数学模型并应用数据提升预测准确度的网络架构，成功预测流体智力(fluid intelligence)。

所谓“流体智力”与“晶体智力”(crystallized Intelligence)，后者指的是由后天经验和教育所获得的知能；前者则是个体天生的能力，反映在偶然学习的项目和归纳性推理能力上，无关于后天习得的知识与经验。

Skoltech团队为计算机视觉MRI数据分析开发出深度学习方法，找出孩童流体智力和大脑解剖学间的关联，成功预测智力等级以及目标变量。尽管预测的准确度还称不上完美，但是这次研究创造出的模型仍有助科学家进一步了解青少年发展。