AR, XR και διεπαφές εγκεφάλου

Νέα Δημοσιευμένη Έρευνα Θα Σταθεροποιήσει Δραματικά τις Διεπαφές Εγκεφάλου-Υπολογιστή

mm
Προσθέστε το Unite.AI στις προτιμώμενες πηγές σας στο Google

Νέα έρευνα από το Πανεπιστήμιο Carnegie Mellon (CMU) και το Πανεπιστήμιο του Πίτσμπουργκ (Pitt) θα βελτιώσει και θα σταθεροποιήσει δραματικά τις διεπαφές εγκεφάλου-υπολογιστή.

Η έρευνα δημοσιεύθηκε στο Nature Biomedical Engineering, με τον τίτλο «Μια σταθεροποιημένη διεπαφή εγκεφάλου-υπολογιστή βασισμένη σε συναρμογή νευρικής μανιτόλας».

Διεπαφές Εγκεφάλου-Υπολογιστή (BCI)

Οι διεπαφές εγκεφάλου-υπολογιστή (BCI) είναι συσκευές που επιτρέπουν σε άτομα με αναπηρίες να ελέγχουν προθετικές άκρες, υπολογιστές ή άλλες διεπαφές χρησιμοποιώντας τον εγκέφαλό τους.

Μια από τις μεγαλύτερες προκλήσεις που σχετίζονται με τη χρήση των BCI σε κλινικό περιβάλλον είναι ότι οι νευρικές ηχογραφήσεις possono να είναι ασταθείς. Το άτομο που ελέγχει τη BCI μπορεί τελικά να χάσει τον έλεγχο λόγω των μεταβολών των σημάτων που λαμβάνονται από τη BCI.

Όταν συμβεί αυτή η απώλεια ελέγχου, το άτομο πρέπει να περάσει από μια διαδικασία επαναρυθμίσεως. Το άτομο πρέπει να επαναρυθμίσει τη σύνδεση μεταξύ των νοητικών εντολών και των εργασιών που εκτελούνται, και συχνά πρέπει να είναι παρών ένας τεχνικός.

Ο William Bishop είναι ερευνητής στο Janelia Farm Research Campus. Προηγουμένως ήταν φοιτητής διδακτορικού και μεταδιδακτορικός ερευνητής στο Τμήμα Μηχανικής Μάθησης του CMU.

«Φανταστείτε αν κάθε φορά που θέλαμε να χρησιμοποιήσουμε το κινητό μας τηλέφωνο, για να λειτουργήσει σωστά, έπρεπε να κάναμε κάποια ρύθμιση στην οθόνη, ώστε να ξέρει ποιο μέρος της οθόνης δείχνουμε», λέει ο Bishop. «Η τρέχουσα κατάσταση της τεχνολογίας BCI είναι κάτι σαν αυτό. Απλώς για να λειτουργήσουν αυτές οι συσκευές BCI, οι χρήστες πρέπει να κάνουν αυτή τη συχνή επαναρυθμίσεωση. Έτσι, αυτό είναι εξαιρετικά άβολο για τους χρήστες, καθώς και για τους τεχνικούς που διατηρούν τις συσκευές».

Νέα Αλγόριθμος Μηχανικής Μάθησης

Οι ερευνητές παρουσίασαν einen νέο αλγόριθμο μηχανικής μάθησης που μπορεί να λάβει υπόψη τις μεταβαλλόμενες σημάδια. Το άτομο μπορεί να διατηρήσει τον έλεγχο της BCI ακόμη και όταν υπάρχουν ασταθείς σημάδια. Οι ερευνητές ανέπτυξαν αυτόν τον αλγόριθμο μετά από την ανακάλυψη ότι η νευρική δραστηριότητα λαμβάνει χώρα σε ένα χαμηλό-διαστάσεων «νευρικό μανιτόλα».

Ο Alan Degenhart είναι μεταδιδακτορικός ερευνητής στο ηλεκτρολογικό και υπολογιστικό τμήμα του CMU.

«Όταν λέμε ‘σταθεροποίηση’, εννοούμε ότι τα νευρικά σημάδια μας είναι ασταθείς, πιθανώς επειδή ηχογραφούμε από διαφορετικά νευρικά κύτταρα με το χρόνο», λέει ο Degenhart. «Έχουμε βρει έναν τρόπο να πάρουμε διαφορετικές πληθυσμούς νευρικών κυττάρων με το χρόνο και να χρησιμοποιήσουμε τις πληροφορίες τους για να αποκαλύψουμε μια κοινή εικόνα της επεξεργασίας που γίνεται στον εγκέφαλό μας, και έτσι να διατηρήσουμε τη BCI ρυθμισμένη παρά τις νευρικές ασταθείς».

Προηγούμενες Μέθοδοι

Προηγούμενες προσεγγίσεις για μεθόδους αυτο-ρυθμίσεως έχουν επίσης αντιμετωπίσει προκλήσεις σχετικά με τις ασταθείς. Σε αντίθεση με άλλες μεθόδους, αυτή η μέθοδος δεν βασίζεται στην απόδοση του υποκειμένου κατά τη διαδικασία επαναρυθμίσεως.

Ο Byron Yu είναι καθηγητής ηλεκτρολογικού και υπολογιστικού μηχανικού και βιοϊατρικού μηχανικού στο CMU.

«Ας πούμε ότι η αστάθεια ήταν τόσο μεγάλη, ώστε το υποκείμενο δεν ήταν πλέον σε θέση να ελέγξει τη BCI», εξηγεί ο Yu. «Οι υφιστάμενες διαδικασίες αυτο-ρυθμίσεως πιθανότατα θα δυσκολευτούν σε αυτή τη σκηνή, ενώ με τη μέθοδό μας, έχουμε αποδείξει ότι μπορεί να ανακτήσει από αυτές τις καταστροφικές ασταθείς».

Η Emily Oby, μεταδιδακτορική ερευνήτρια στη νευροβιολογία στο Pitt, μίλησε επίσης για το ζήτημα της αστάθειας.

«Οι νευρικές ηχογραφήσεις ασταθείς δεν είναι καλά χαρακτηρισμένες, αλλά είναι ένα πολύ μεγάλο πρόβλημα», λέει η Oby. «Δεν υπάρχει很多 βιβλιογραφία που μπορούμε να δείξουμε, αλλά ανεκδοτικά, πολλά εργαστήρια που κάνουν κλινική έρευνα με BCI πρέπει να αντιμετωπίσουν αυτό το ζήτημα πολύ συχνά. Αυτό το έργο έχει τη δυνατότητα να βελτιώσει σημαντικά την κλινική εφικτότητα των BCI και να βοηθήσει στη σταθεροποίηση άλλων νευρικών διεπαφών».

Το έγγραφο περιελάμβανε επίσης τους συγγραφείς Steve Chase, καθηγητή βιοϊατρικού μηχανικού και του Ινστιτούτου Νευροεπιστημών στο CMU, μαζί με τον Aaron Batists, αναπληρωτή καθηγητή βιοϊατρικού μηχανικού στο Pitt, και την Elizabeth Tyler-Kabara, αναπληρώτρια καθηγήτρια νευροχειρουργικής στο Pitt.

Η έρευνα χρηματοδοτήθηκε από το Craig H Neilsen Foundation, το Εθνικό Ίδρυμα Υγείας, το DSF Charitable Foundation, το Εθνικό Ίδρυμα Επιστημών, το Τμήμα Υγείας της Πενσυλβάνια και το Simons Foundation.

Ο Alex McFarland είναι δημοσιογράφος και συγγραφέας του AI που εξερευνά τις τελευταίες εξελίξεις στην τεχνητή νοημοσύνη. Έχει συνεργαστεί με πολλές startups και εκδόσεις του AI σε όλο τον κόσμο.