Η Τεχνητή Νοημοσύνη Χρησιμοποιείται Για Να Αναπαράγει Κυματίσματα Εγκεφάλου Ανθρώπων Σε Πραγματικό Χρόνο

Πρόσφατα, μια ομάδα ερευνητών δημιούργησε ένα νευρωνικό δίκτυο που είναι σε θέση να αναπαράγει κυματίσματα εγκεφάλου ανθρώπων σε πραγματικό χρόνο. Όπως αναφέρεται στο Futurism, η ερευνητική ομάδα, που αποτελείται από ερευνητές από το Ινστιτούτο Φυσικής και Τεχνολογίας της Μόσχας (MIPT) και την εταιρεία Neurobotics, ήταν σε θέση να οπτικοποιήσει τα κυματίσματα εγκεφάλου ενός ατόμου μεταφράζοντας τα κυματίσματα με ένα νευρωνικό δίκτυο υπολογιστικής όρασης, τα αποδίδοντας ως εικόνες.

Τα αποτελέσματα της μελέτης δημοσιεύθηκαν στο bioRxiv, και ένα βίντεο δημοσιεύθηκε μαζί με το έρευνo, το οποίο έδειξε πώς το δίκτυο ανακατασκεύασε τις εικόνες. Η ερευνητική ομάδα του MIPT ελπίζει ότι η μελέτη θα τους βοηθήσει να δημιουργήσουν συστήματα αποκατάστασης μετά από εγκεφαλικό που ελέγχονται από κυματίσματα εγκεφάλου. Για να δημιουργηθούν αναπαραστατικά συσκευές για θύματα εγκεφαλικού, οι νευροβιολόγοι πρέπει να μελετήσουν τις διαδικασίες που χρησιμοποιεί ο εγκέφαλος για να κωδικοποιήσει πληροφορίες. Ένα κρίσιμο μέρος της κατανόησης αυτών των διαδικασιών είναι η μελέτη του πώς οι άνθρωποι αντιλαμβάνονται τις πληροφορίες βίντεο. Σύμφωνα με το ZME Science, οι τρέχουσες μεθόδοι εξαγωγής εικόνων από κυματίσματα εγκεφάλου αναλύουν συνήθως τα σήματα που προέρχονται από τα νευρώνια, με τη χρήση εμφυτεύματος, ή εξάγουν εικόνες χρησιμοποιώντας λειτουργική MRI.

Η ερευνητική ομάδα από την Neurobotics και το MIPT χρησιμοποίησε ηλεκτροεγκεφαλογραφία, ή EEG, η οποία καταγράφει τα κυματίσματα εγκεφάλου που συλλέγονται από ηλεκτρόδια που τοποθετούνται στο κρανίο. Στις περιπτώσεις αυτές, οι άνθρωποι συχνά φορούν συσκευές που παρακολουθούν τους νευρικούς σήματες ενώ βλέπουν ένα βίντεο ή κοιτάζουν εικόνες. Η ανάλυση της δραστηριότητας του εγκεφάλου παρείχε χαρακτηριστικά εισόδου που θα μπορούσαν να χρησιμοποιηθούν σε ένα σύστημα μηχανικής μάθησης. Το σύστημα μηχανικής μάθησης ήταν σε θέση να ανακατασκευάσει τις εικόνες που είδε ένα άτομο, αποδίδοντας τις εικόνες σε μια οθόνη σε πραγματικό χρόνο.

Η πειραματική διαδικασία χωρίστηκε σε πολλαπλά μέρη. Στο πρώτο στάδιο του πειράματος, οι ερευνητές είχαν τους συμμετέχοντες να βλέπουν κλιπ 10 δευτερολέπτων από βίντεο του YouTube για περίπου 20 λεπτά. Υπήρχαν πέντε διαφορετικές κατηγορίες στις οποίες τα βίντεο χωρίστηκαν: αγώνες μοτοσικλετών, ανθρώπινα πρόσωπα, αφηρημένες μορφές, καταρράκτες και κινούμενα μηχανικά συστήματα. Αυτές οι διαφορετικές κατηγορίες μπορούν να περιέχουν ποικιλία αντικειμένων. Για παράδειγμα, η κατηγορία των αγώνων μοτοσικλετών περιείχε κλιπ από χιονομοτοσικλέτες και μοτοσικλέτες.

Η ερευνητική ομάδα ανέλυσε τα δεδομένα EEG που συλλέχθηκαν ενώ οι συμμετέχοντες έβλεπαν τα βίντεο. Τα EEG έδειξαν συγκεκριμένα μοτίβα για κάθε eine από τις διαφορετικές κατηγορίες βίντεο, και αυτό σήμαινε ότι η ομάδα θα μπορούσε να ερμηνεύσει τι περιεχόμενο οι συμμετέχοντες έβλεπαν στα βίντεο σε πραγματικό χρόνο.

Το δεύτερο στάδιο του πειράματος είχε τρεις κατηγορίες που επιλέχθηκαν τυχαία. Δημιουργήθηκαν δύο νευρωνικά δίκτυα για να εργαστούν με αυτές τις δύο κατηγορίες. Το πρώτο δίκτυο δημιούργησε τυχαίες εικόνες που ανήκαν σε μια από τις τρεις κατηγορίες, δημιουργώντας τες από τυχαίο θόρυβο που βελτιώθηκε σε εικόνα. Εν τω μεταξύ, το δεύτερο δίκτυο δημιούργησε θόρυβο με βάση τις σκαναρίσεις EEG. Τα δεδομένα και στα δύο δίκτυα συγκρίθηκαν και οι τυχαίες εικόνες ενημερώθηκαν με βάση τα δεδομένα θορύβου EEG, μέχρι οι γεννημένες εικόνες να γίνουν παρόμοιες με τις εικόνες που οι συμμετέχοντες έβλεπαν.

Μετά την ολοκλήρωση του συστήματος, οι ερευνητές έtested την ικανότητα του προγράμματος να οπτικοποιήσει κυματίσματα εγκεφάλου δείχνοντας στους συμμετέχοντες βίντεο που δεν είχαν δει ακόμη από τις ίδιες κατηγορίες. Τα EEG που γεννήθηκαν κατά τη διάρκεια του δεύτερου γύρου προβολών δόθηκαν στα δίκτυα, και τα δίκτυα ήταν σε θέση να γεννήσουν εικόνες που θα μπορούσαν να τοποθετηθούν στη σωστή κατηγορία 90% της φοράς.

Οι ερευνητές σημείωσαν ότι τα αποτελέσματα του πειράματός τους ήταν εκπληκτικά, επειδή για πολύ καιρό θεωρούνταν ότι δεν υπήρχε επαρκής πληροφορία σε ένα EEG για να ανακατασκευαστούν οι εικόνες που παρατηρούν οι άνθρωποι. Ωστόσο, τα αποτελέσματα της ερευνητικής ομάδας αποδείξαν ότι μπορεί να γίνει.

Ο Βλαντιμίρ Κοnishεβ, ο επικεφαλής του Εργαστηρίου Νευρορομποτικής στο MIPT, εξήγησε ότι mặc dù η ερευνητική ομάδα εστιάζεται αυτή τη στιγμή στη δημιουργία βοηθητικών τεχνολογιών για άτομα με αναπηρία, η τεχνολογία που εργάζονται θα μπορούσε να χρησιμοποιηθεί για τη δημιουργία συσκευών ελέγχου νευρικού για τον γενικό πληθυσμό σε κάποιο σημείο. Ο Κοnishεβ εξήγησε στο TechXplore:

“Εργαζόμαστε στο έργο Βοηθητικών Τεχνολογιών του Neuronet της Εθνικής Τεχνολογικής Πρωτοβουλίας, το οποίο επικεντρώνεται στη διεπαφή εγκεφάλου-υπολογιστή που επιτρέπει στους ασθενείς μετά από εγκεφαλικό να ελέγχουν einen εξοσκελετό βραχίονα για σκοπούς νευροαποκατάστασης, ή στους παραλυτικούς ασθενείς να οδηγούν einen ηλεκτρικό καροτσάκι, για παράδειγμα. Ο τελικός στόχος είναι να αυξήσουμε την ακρίβεια του νευρικού ελέγχου για здоровά άτομα, επίσης.”