Modele i platformy AI

Urządzenie energooszczędne zbudowane z sztucznych neuronów może odczytywać falę mózgu

mm
Dodaj Unite.AI do preferowanych źródeł w Google

Urządzenia elektroniczne, na których opierają się obecne algorytmy sieci neuronowych, wymagają ogromnej mocy obliczeniowej, co oznacza, że te systemy sztucznej inteligencji (AI) są jeszcze daleko od równania się z ludzkim mózgiem pod względem przetwarzania informacji sensorycznych lub interakcji ze środowiskiem w czasie rzeczywistym.

Kluczem do pokonania tego wyzwania może być inżynieria neuromorficzna, która jest nowym podejściem łączącym sztuczną i naturalną inteligencję. Naukowcy z Uniwersytetu w Zurychu, ETH Zurych i Uniwersyteckiego Szpitala w Zurychu opierają się na tym podejściu, aby opracować chip oparty na technologii neuromorficznej, który dokładnie i niezawodnie rozpoznaje złożone biosygnale.

Nowe badania zostały opublikowane w Nature Communications.

Wykrywanie HFO

Zespół wykorzystał tę technologię, aby pomyślnie wykryć wcześniej zarejestrowane wysokoczęstotliwościowe oscylacje (HFO), które są mierzone za pomocą intrakranialnego elektroencefalogramu (iEEG). HFO okazały się niezawodne w identyfikowaniu tkanki mózgowej odpowiedzialnej za napady epileptyczne.

Zespół symulował naturalną sieć neuronową mózgu, zwaną siecią neuronową szczytową (SNN), aby opracować algorytm do wykrywania HFO. Następnie zaimplementowali SNN w małym kawałku sprzętu, który otrzymuje sygnały neuronowe przez elektrody, które są niezwykle energooszczędne.

Ze względu na tę wydajność, obliczenia mogą być wykonywane z bardzo wysoką rozdzielczością czasową, bez polegania na Internecie lub chmurze obliczeniowej.

Giacomo Indiveri jest profesorem w Instytucie Neuroinformatyki UZH i ETH Zurych.

„Nasze rozwiązanie pozwala nam rozpoznać przestrzenno-czasowe wzorce w sygnałach biologicznych w czasie rzeczywistym” – mówi Indiveri.

Zastosowania praktyczne

Naukowcy są teraz zainteresowani wykorzystaniem nowych odkryć do opracowania systemu elektronicznego, który może niezawodnie rozpoznać i monitorować HFO w czasie rzeczywistym. Zgodnie z zespołem, jeśli narzędzie to zostanie wykorzystane jako dodatkowe narzędzie diagnostyczne w salach operacyjnych, może poprawić wynik interwencji neurochirurgicznych.

Rozpoznanie HFO może również wpłynąć na inne dziedziny, a długoterminowym celem zespołu jest opracowanie urządzenia do monitorowania epilepsji. Tego rodzaju urządzenie mogłoby być wykorzystywane poza szpitalem, umożliwiając analizę sygnałów z dużej liczby elektrod przez kilka tygodni lub miesięcy.

„Chcemy zintegrować niską energię, bezprzewodową komunikację danych w projekcie – aby połączyć ją z telefonem komórkowym, na przykład” – mówi Indiveri.

Johannes Sarnthein jest neurofizjologiem w Uniwersyteckim Szpitalu w Zurychu.

„Urządzenie przenośne lub implantowalne, takie jak to, mogłoby identyfikować okresy z wyższą lub niższą częstotliwością występowania napadów, co umożliwiłoby nam dostarczenie leków personalizowanych” – mówi Sarnthein.

Badania nad epilepsją są prowadzone w Centrum Epileptologii i Chirurgii Epilepsji w Zurychu, które jest częścią partnerstwa między Uniwersyteckim Szpitalem w Zurychu, Szwajcarskim Kliniką Epilepsji i Dziecięcym Szpitalem Uniwersyteckim w Zurychu.

Alex McFarland jest dziennikarzem i pisarzem zajmującym się sztuczną inteligencją, który bada najnowsze rozwoje w dziedzinie sztucznej inteligencji. Współpracował z licznymi startupami i wydawnictwami związanymi z sztuczną inteligencją na całym świecie.