Η Τεχνητή Νοημοσύνη Χρησιμοποιείται για την Ανασυγκρότηση Κυμάτων Εγκεφάλου Ανθρώπων σε Πραγματικό Χρόνο

Πρόσφατα, μια ομάδα ερευνητών δημιούργησε ένα νευρωνικό δίκτυο που είναι σε θέση να ανασυγκροτήσει τα κύματα εγκεφάλου των ανθρώπων σε πραγματικό χρόνο. Όπως αναφέρει το Futurism, η ερευνητική ομάδα, που αποτελείται από ερευνητές του Ινστιτούτου Φυσικής και Τεχνολογίας της Μόσχας (MIPT) και της εταιρείας Neurobotics, ήταν σε θέση να οπτικοποιήσει τα κύματα εγκεφάλου ενός ατόμου μεταφράζοντας τα κύματα με ένα νευρωνικό δίκτυο οπτικής, αποδίδοντάς τα ως εικόνες.

Τα αποτελέσματα της μελέτης δημοσιεύθηκαν στο bioRxiv, και ένα βίντεο αναρτήθηκε μαζί με την έρευνα, που έδειξε πώς το δίκτυο ανασυγκρότησε εικόνες. Η ερευνητική ομάδα του MIPT ελπίζει ότι η μελέτη θα τους βοηθήσει να δημιουργήσουν συστήματα αποκατάστασης μετά από εγκεφαλικό που ελέγχονται από κύματα εγκεφάλου. Για να δημιουργηθούν συσκευές αποκατάστασης 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 κύματα εγκεφάλου αναλύουν συνήθως τα σήματα που προέρχονται από τους νευρώνες, με τη χρήση εμφυτεύματος, ή εξάγουν εικόνες χρησιμοποιώντας λειτουργική μαγνητική τομογραφία.

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

Η πειραματική διαδικασία χωρίστηκε σε πολλά μέρη. Στο πρώτο στάδιο της πειραματικής διαδικασίας, 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: μηχανοκίνητα αθλήματα, ανθρώπινα πρόσωπα, αφηρημένες μορφές, καταρράκτες και κινούμενα μηχανικά συστήματα. Αυτές οι διαφορετικές κατηγορίες μπορούν να περιέχουν eine ποικιλία αντικειμένων. Για παράδειγμα, η κατηγορία μηχανοκίνητων αθλημάτων 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 ένα από τα διαφορετικά κλιπ βίντεο, και αυτό σήμαινε ότι η ομάδα θα μπορούσε να ερμηνεύσει τι περιεχόμενο οι συμμετέχοντες έβλεπαν στα βίντεο σε πραγματικό χρόνο.

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

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

Οι ερευνητές σημείωσαν ότι τα αποτελέσματα του πειράματος ήταν εκπληκτικά, επειδή για πολύ καιρό θεωρούνταν ότι δεν υπήρχε αρκετή πληροφορία σε ένα EEG για να ανασυγκροτηθούν οι εικόνες που παρατηρούν οι άνθρωποι. Ωστόσο, τα αποτελέσματα της ερευνητικής ομάδας απέδειξαν ότι αυτό μπορεί να γίνει.

Ο Βλαντίμιρ Κονίσεφ, ο επικεφαλής του Εργαστηρίου Νευρορομποτικής στο MIPT, εξήγησε ότι尽管 η ερευνητική ομάδα εστιάζει目前 στην δημιουργία βοηθητικών τεχνολογιών για άτομα με αναπηρίες, η τεχνολογία που εργάζονται θα μπορούσε να χρησιμοποιηθεί για να δημιουργηθούν συσκευές ελέγχου νευρικών για τον γενικό πληθυσμό σε κάποιο σημείο. Ο Κονίσεφ εξήγησε στο TechXplore:

“Εργαζόμαστε στο πρόγραμμα 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 εξωσκελετό βραχίονα για νευρολογική αποκατάσταση, ή στους παραλυμένους ασθενείς να οδηγούν einen ηλεκτρικό αναπηρικό καροτσάκι, για παράδειγμα. Ο终ικός στόχος είναι να αυξήσει την ακρίβεια του νευρικού ελέγχου για τους υγιείς ανθρώπους, επίσης.”