Sztuczna inteligencja służy do odtworzenia fal mózgowych u ludzi w czasie rzeczywistym

Niedawno zespół badaczy stworzył sieć neuronową, która jest w stanie odtworzyć fale mózgowe u ludzi w czasie rzeczywistym. Jak donosi Futurism, zespół badawczy, składający się z naukowców z Moskiewskiego Instytutu Fizyki i Technologii (MIPT) oraz korporacji Neurobotics, był w stanie wizualizować fale mózgowe osoby, tłumacząc je za pomocą sieci neuronowej z widzenia komputera, a następnie renderując je jako obrazy.

Wyniki badania zostały opublikowane w bioRxiv, a wraz z artykułem badawczym opublikowano także film, który pokazuje, jak sieć odtworzyła obrazy. Zespół badawczy z MIPT liczy, że badanie pomoże im stworzyć systemy rehabilitacji po udarze, które będą sterowane falami mózgowymi. Aby stworzyć urządzenia rehabilitacyjne dla ofiar udaru, neurobiolodzy muszą studiować procesy, których używa mózg do kodowania informacji. Kluczową częścią zrozumienia tych procesów jest studiowanie, jak ludzie postrzegają informacje wideo. Według ZME Science, obecne metody wyodrębniania obrazów z fal mózgowych zazwyczaj analizują sygnały pochodzące z neuronów za pomocą implantów lub wyodrębniają obrazy za pomocą funkcjonalnego MRI.

Zespół badawczy z Neurbiotics i MIPT wykorzystał elektroencefalografię, czyli EEG, która rejestruje fale mózgowe zebrane z elektrod umieszczonych na skórze głowy. W takich sytuacjach ludzie często noszą urządzenia, które śledzą ich sygnały nerwowe, podczas gdy oglądają filmy wideo lub patrzą na obrazy. Analiza aktywności mózgu dała cechy wejściowe, które mogły być wykorzystane w systemie machine learning. System machine learning był w stanie odtworzyć obrazy, które osoba widziała, renderując je na ekranie w czasie rzeczywistym.

Eksperyment został podzielony na kilka części. W pierwszej fazie eksperymentu naukowcy poprosili uczestników, aby oglądali 10-sekundowe klipy filmów wideo z YouTube przez około 20 minut. Było pięć różnych kategorii, do których zostały podzielone filmy wideo: motorsport, twarze ludzi, kształty abstrakcyjne, wodospady i mechanizmy ruchome. Te różne kategorie mogą zawierać różne obiekty. Na przykład kategoria motorsport zawierała klipy snowmobile i motocykli.

Zespół badawczy przeanalizował dane EEG zebrane podczas gdy uczestnicy oglądali filmy wideo. EEG wykazywały określone wzorce dla każdego z różnych klipów filmów wideo, co oznaczało, że zespół mógł potencjalnie interpretować, jaki zawartość uczestnicy widzieli na filmach wideo w czasie rzeczywistym.

Druga faza eksperymentu miała trzy kategorie wybrane losowo. Dwie sieci neuronowe zostały stworzone do pracy z tymi dwiema kategoriami. Pierwsza sieć generowała losowe obrazy, które należały do jednej z trzech kategorii, tworząc je z losowego szumu, który został wyrafinowany w obraz. Podczas gdy druga sieć generowała szum na podstawie skanów EEG. Dane w obu sieciach zostały porównane, a losowo wygenerowane obrazy zostały zaktualizowane na podstawie danych szumu EEG, aż wygenerowane obrazy stały się podobne do obrazów, które widzieli uczestnicy testowi.

Po zaprojektowaniu systemu, naukowcy przetestowali możliwość wizualizacji fal mózgowych, pokazując uczestnikom testowym filmy wideo, które jeszcze nie widzieli z tych samych kategorii. EEG wygenerowane podczas drugiej rundy oglądania zostały podane sieciom, a sieci były w stanie wygenerować obrazy, które mogły być łatwo umieszczone w odpowiedniej kategorii 90% czasu.

Naukowcy zauważyli, że wyniki ich eksperymentu były zaskakujące, ponieważ przez długi czas zakładano, że nie ma wystarczającej ilości informacji w EEG, aby odtworzyć obrazy obserwowane przez ludzi. Jednak wyniki zespołu badawczego udowodniły, że jest to możliwe.

Vladimir Konyshev, szef laboratorium Neurorobotics w MIPT, wyjaśnił, że chociaż zespół badawczy jest obecnie skupiony na tworzeniu technologii wspomagających dla osób niepełnosprawnych, technologia, nad którą pracują, może być również wykorzystana do tworzenia urządzeń sterowanych przez mózg dla ogółu społeczeństwa. Konyshev wyjaśnił TechXplore:

“Pracujemy nad projektem Assistive Technologies Neuronet Inicjatywy Technologicznej Narodowej, który koncentruje się na interfejsie mózg-komputer, który umożliwia pacjentom po udarze kontrolowanie ramienia egzoszkieletu do celów neurorehabilitacji, lub pacjentom sparaliżowanym prowadzenie wózka elektrycznego, na przykład. Ostatecznym celem jest zwiększenie dokładności kontroli nerwowej dla zdrowych osób również”.