Modely a platformy AI

Energeticky efektivní zařízení vyrobené z umělých neuronů může dekódovat mozkové vlny

mm
Přidejte Unite.AI mezi své preferované zdroje na Google

Elektronická zařízení, na kterých současné algoritmy neuronových sítí závisí, vyžadují enormní množství výpočetního výkonu, což znamená, že tyto systémy umělé inteligence (AI) jsou stále daleko od toho, aby byly srovnatelné s lidským mozkem při zpracování senzorických informací nebo interakcích s prostředím v reálném čase.

Klíč k překonání této výzvy by mohl spočívat v neuromorfním inženýrství, což je nový přístup, který kombinuje umělou a přirozenou inteligenci. Vědci z Univerzity v Curychu, ETH Curych a Univerzitní nemocnice Curych se spoléhají na tento přístup, aby vyvinuli čip založený na neuromorfní technologii, se kterým čip přesně a spolehlivě rozpoznává komplexní biosignály.

Nový výzkum byl zveřejněn v Nature Communications.

Detekce HFO

Tým použil technologii k úspěšnému rozpoznání dříve zaznamenaných vysokofrekvenčních oscilací (HFO), které se měří intrakraniálním elektroencefalogramem (iEEG). HFOs se ukázaly jako spolehlivé při identifikaci mozkové tkáně odpovědné za epileptické záchvaty.

Tým simuloval přirozenou neuronovou síť mozku, nazývanou spiking neuronová síť (SNN), aby navrhl algoritmus pro detekci HFO. Poté implementovali SNN do malého kusu hardwaru, který přijímá neuronální signály prostřednictvím elektrod, které jsou extrémně energeticky efektivní.

Díky této efektivity lze výpočty provádět s velmi vysokým časovým rozlišením bez závislosti na internetu nebo cloud computingu.

Giacomo Indiveri je profesorem na Institutu pro neuroinformatiku UZH a ETH Curych.

“Náš design umožňuje nám rozpoznat prostorově-časové vzory v biologických signálech v reálném čase,” říká Indiveri.

Reálné použití

Vědci nyní hledají využití nových zjištění k vývoji elektronického systému, který může spolehlivě rozpoznat a monitorovat HFOs v reálném čase. Podle týmu by tento nástroj mohl být použit jako další diagnostický nástroj v operačních sálech, což by mohlo zlepšit výsledek neurochirurgických zákroků.

Rozpoznání HFOs by mohlo mít také dopad na další obory, s tím, že dlouhodobým cílem týmu je vývoj zařízení pro monitorování epilepsie. Tento typ zařízení by mohl být použit mimo nemocniční prostředí, což by umožnilo analyzovat signály z velkého počtu elektrod po několik týdnů nebo měsíců.

“Chceme integrovat nízkoenergetické, bezdrátové datové komunikace do designu — aby se mohl připojit k mobilnímu telefonu, například,” říká Indiveri.

Johannes Sarnthein je neurofyziologem na Univerzitní nemocnici Curych.

“Prenosné nebo implantabilní čipy, jako je tento, by mohly identifikovat období s vyšší nebo nižší frekvencí záchvatů, což by nám umožnilo poskytovat personalizovanou medicínu,” říká Sarnthein.

Výzkum na epilepsii se provádí na Curyšském centru pro epileptologii a epileptickou chirurgii, které je součástí partnerství mezi Univerzitní nemocnicí Curych, Švýcarskou klinikou pro epilepsii a Univerzitní dětskou nemocnicí Curych.

Alex McFarland je AI novinář a spisovatel, který zkoumá nejnovější vývoj v oblasti umělé inteligence. Spolupracoval s mnoha AI startupy a publikacemi po celém světě.