tynkä Tekoäly loi uudelleen ihmisen aivoaaltoja reaaliajassa - Unite.AI
Liity verkostomme!

Aivokoneen käyttöliittymä

Tekoäly loi uudelleen ihmisen aivoaaltoja reaaliajassa

mm

Julkaistu

 on

Äskettäin tutkijaryhmä loi hermoverkon, joka pystyy luomaan uudelleen ihmisen aivoaaltoja reaaliajassa. Kuten Futurism raportoiMoskovan fysiikan ja teknologian instituutin (MIPT) ja Neurobotics Corporationin tutkijoista koostuva tutkimusryhmä pystyi visualisoimaan ihmisen aivoaaltoja muuntamalla aallot tietokonenäköhermoverkolla ja muuttaneet ne kuviksi.

Tulokset Tutkimus julkaistiin bioRxiv-lehdessä, ja tutkimuspaperin rinnalle julkaistiin video, joka osoitti kuinka verkko rekonstruoi kuvia. MIPT-tutkimusryhmä toivoo, että tutkimus auttaa heitä luomaan aivohalvauksen jälkeisiä kuntoutusjärjestelmiä, joita ohjataan aivoaaltojen avulla. Luodakseen kuntouttavia laitteita aivohalvauksen uhreille neurobiologien on tutkittava prosesseja, joita aivot käyttävät tiedon koodaamiseen. Kriittinen osa näiden prosessien ymmärtämistä on tutkia, miten ihmiset näkevät videoinformaation. ZME Sciencen mukaan Nykyiset menetelmät kuvien poimimiseksi aivoaaltoista tyypillisesti analysoivat neuroneista peräisin olevia signaaleja implanttien avulla tai poimivat kuvia toiminnallisen MRI:n avulla.

Neurbioticsin ja MIPT:n tutkimusryhmä käytti elektroenkefalografiaa tai EEG:tä, joka kirjaa aivoaaltoja, jotka on kerätty päänahan elektrodeista. Tällaisissa tilanteissa ihmiset käyttävät usein laitteita, jotka seuraavat heidän hermosignaalejaan katsoessaan videota tai kuvia. Aivotoiminnan analyysi tuotti syöteominaisuuksia, joita voitaisiin käyttää koneoppimisjärjestelmässä. Koneoppimisjärjestelmä pystyi rekonstruoimaan henkilön näkemät kuvat ja näyttämään kuvat näytöllä reaaliajassa.

Kokeilu oli jaettu useisiin osiin. Kokeen ensimmäisessä vaiheessa tutkijat pyysivät koehenkilöitä katsomaan 10 sekunnin pituisia pätkiä YouTube-videoista noin 20 minuutin ajan. Videossa oli viisi eri kategoriaa: moottoriurheilu, ihmisten kasvot, abstraktit muodot, vesiputoukset ja liikkuvat mekanismit. Nämä eri luokat voivat sisältää erilaisia ​​esineitä. Esimerkiksi moottoriurheilukategoriassa oli leikkeitä moottorikelkoista ja moottoripyöristä.

Tutkimusryhmä analysoi EEG-tietoja, jotka kerättiin osallistujien katsoessa videoita. EEG:t näyttivät erityisiä kuvioita kullekin eri videoleikkeelle, mikä tarkoitti, että tiimi saattoi tulkita, mitä sisältöä osallistujat näkivät videoissa enemmän tai vähemmän reaaliajassa.

Kokeen toisessa vaiheessa valittiin satunnaisesti kolme luokkaa. Kaksi neuroverkkoa luotiin toimimaan näiden kahden luokan kanssa. Ensimmäinen verkko loi satunnaisia ​​kuvia, jotka kuuluivat yhteen kolmesta kategoriasta, luoden ne satunnaisesta kohinasta, joka oli jalostettu kuvaksi. Samaan aikaan toinen verkko synnytti kohinaa EEG-skannausten perusteella. Molempien verkostojen dataa verrattiin ja satunnaisesti luotuja kuvia päivitettiin EEG-kohinadatan perusteella, kunnes syntyneistä kuvista tuli samanlaisia ​​kuin koehenkilöiden näkemät kuvat.

Järjestelmän suunnittelun jälkeen tutkijat testasivat ohjelman kykyä visualisoida aivoaaltoja näyttämällä koehenkilöille videoita, joita he eivät olleet vielä nähneet samoista luokista. Toisella katselukierroksella syntyneet EEG:t luovutettiin verkoille, ja verkot pystyivät tuottamaan kuvia, jotka oli helppo sijoittaa oikeaan luokkaan 90 % ajasta.

Tutkijat totesivat, että heidän kokeensa tulokset olivat yllättäviä, koska pitkään oletettiin, että EEG:ssä ei ollut riittävästi tietoa ihmisten havaitsemien kuvien rekonstruoimiseksi. Tutkimusryhmän tulokset osoittivat kuitenkin, että se voidaan tehdä.

MIPT:n neurorobotiikan laboratorion johtaja Vladimir Konyshev selitti, että vaikka tutkimusryhmä keskittyy tällä hetkellä vammaisten avustavien teknologioiden luomiseen, heidän käyttämänsä teknologian avulla voitaisiin luoda hermoston ohjauslaitteita väestölle jossain vaiheessa. kohta. Konyshev selitti TechXplorelle:

"Työskentelemme National Technology Initiativen Neuronetin Assistive Technologies -projektissa, joka keskittyy aivo-tietokoneliitäntään, jonka avulla aivohalvauksen jälkeiset potilaat voivat hallita eksoskeleton käsivartta neurorehabilitaatiotarkoituksiin tai halvaantuneita potilaita ajaa sähköpyörätuolia. esimerkiksi. Lopullisena tavoitteena on lisätä hermoston hallinnan tarkkuutta myös terveillä yksilöillä.

Bloggaaja ja ohjelmoija erikoisaloilla Koneen oppiminen ja Deep Learning aiheita. Daniel toivoo voivansa auttaa muita käyttämään tekoälyn voimaa yhteiskunnalliseen hyvään.