AI-mallit ja alustat

Ihmisajan aaltojen rekonstruktio aikaa todella

mm
Lisää Unite.AI suosikkilähteisiisi Google-palvelussa

Viime aikoina tutkijaryhmä loi neurverkon, joka pystyy rekonstruoimaan ihmisen aivoaaltoja reaaliajassa. Futurismin mukaan, tutkimusryhmä, johon kuului tutkijoita Moskovan Fysiikan ja Teknologian Instituutista (MIPT) ja Neurobotics -yhtiöstä, pystyi visualisoimaan henkilön aivoaallot kääntämällä aallot tietokoneen näön neurverkolla ja renderöimällä ne kuviksi.

Tutkimuksen tulokset julkaistiin bioRxiv:ssä, ja tutkimusartikkelin rinnalla julkaistiin video, joka osoitti, miten verkko rekonstruoii kuvia. MIPT:n tutkimusryhmä toivoo, että tutkimus auttaa heitä luomaan aivoaaltojen ohjaamia jälkeenhoitojärjestelmiä. Jotta voidaan luoda kuntoutuslaitteita aivoinfarktin sairastaneille, neurobiologit joutuvat tutkimaan prosesseja, joilla aivot koodaavat tietoa. Tärkeä osa näiden prosessien ymmärtämistä on tutkia, miten ihmiset havaitsevat videotietoa. ZME Sciencen mukaan nykyiset menetelmät, joilla kuvia haetaan aivoaalloista, analysoivat yleensä signaaleja, jotka periytyvät hermosoluista, käyttäen implanteja tai poimien kuvia toiminnallisen magneettikuvausmenetelmällä.

Neuroboticsin ja MIPT:n tutkimusryhmä käytti elektroenkefalograafiaa eli EEG:ta, joka kirjaa aivoaallot, jotka kerätään elektrodeista, jotka on asennettu päänahkaan. Tällaisissa tilanteissa ihmiset usein käyttävät laitteita, jotka seuraavat heidän hermoimpulssejaan heidän katsoessaan videota tai katsellessa kuvia. Aivotoiminnan analyysi antoi syöteominaisuuksia, joita voidaan käyttää koneoppimisjärjestelmässä. Koneoppimisjärjestelmä pystyi rekonstruoimaan kuvat, joita henkilö oli nähnyt, ja renderöi ne ruudulla reaaliajassa.

Koe jaettiin useaan osaan. Kokeen ensimmäisessä vaiheessa tutkijat pyysivät koehenkilöitä katsomaan 10 sekunnin YouTube-videoklippiä noin 20 minuutin ajan. Videot jaettiin viiteen eri kategoriaan: moottoriurheiluun, ihmiskasvoihin, abstrakteihin muotoihin, vesiputouksiin ja liikkuvien mekanismien. Nämä eri kategoriat voivat sisältää monenlaisia objekteja. Esimerkiksi moottoriurheilukategoria sisälsi klippejä lumikelkkoja ja moottoripyöriä.

Tutkimusryhmä analysoi EEG-dataa, joka kerättiin silloin, kun osallistujat katsoivat videoita. EEG:stä saatiin tiettyjä kuvioita kullekin eri videoklipille, mikä tarkoitti, että ryhmä voisi tulkita, mitä sisältöä osallistujat näkivät videoissa reaaliajassa.

Kokeen toisessa vaiheessa valittiin kolme kategoriaa satunnaisesti. Kaksi neurverkkoa luotiin työskentelemään näiden kahden kategorian kanssa. Ensimmäinen verkko generoi sattumanvaraisia kuvia, jotka kuuluivat yhteen kolmesta kategoriasta, luomalla ne sattumanvaraisesta melusta, jota hienosäädetään kuvaksi. Samaan aikaan toinen verkko generoi melua EEG-skannauksista. Molemmissa verkoissa olevat tiedot verrattiin, ja satunnaisesti generoidut kuvat päivitettiin EEG-melutiedoilla, kunnes generoidut kuvat muistuttivat kuvia, joita testihenkilöt näkivät.

Järjestelmän suunnittelun jälkeen tutkijat testasivat ohjelman kykyä visualisoida aivoaallot näyttämällä testihenkilöille videoita, joita he eivät olleet vielä nähneet samasta kategoriasta. Toisella katselukierroksella generoidut EEG:t annettiin verkoille, ja verkkot pystyivät generoimaan kuvia, jotka voitiin helposti asettaa oikeaan kategoriaan 90 prosenttisella todennäköisyydellä.

Tutkijat huomauttivat, että kokeen tulokset olivat yllättäviä, koska pitkään oletettiin, että EEG:stä ei ole riittävästi tietoa kuvien rekonstruoimiseksi. Tutkimusryhmän tulokset osoittivat kuitenkin, että se on mahdollista.

Vladimir Konyshev, Neurorobotics Lab -yksikön johtaja MIPT:ssä, selitti, että vaikka tutkimusryhmä on tällä hetkellä keskittynyt luomaan avustavia teknologioita vammaisten henkilöiden käyttöön, heidän kehittämänsä teknologia voisi myös olla tulevaisuudessa käytössä neurologisen ohjauksen laitteissa terveille henkilöille. Konyshev selitti TechXplorelle

“Työskentelemme Assistive Technologies -projektissa Neuronet of the National Technology Initiative, joka keskittyy aivo-tietokone-liittymään, joka mahdollistaa aivoinfarktin sairastuneiden potilaiden ohjata eksoskeleton-käsivarsia neurorehabilitaation tarkoituksiin tai halvaantuneiden potilaiden ajaa sähköistä pyörätuolia, esimerkiksi. Lopullinen tavoite on lisätä hermoston ohjausherkkyyttä terveille henkilöille.

Blogger ja ohjelmoija, jolla on erityisalat Machine Learning ja Deep Learning -aiheissa. Daniel toivoo pystyvänsä auttamaan muita käyttämään tekoälyn voimaa sosiaaliseen hyvään.