IA usada para recriar ondas cerebrais humanas em tempo real

Recentemente, uma equipe de pesquisadores criou uma rede neural capaz de recriar ondas cerebrais humanas em tempo real. Conforme relatado por Futurismo, a equipe de pesquisa, composta por pesquisadores do Instituto de Física e Tecnologia de Moscou (MIPT) e da corporação Neurobotics, conseguiu visualizar as ondas cerebrais de uma pessoa traduzindo as ondas com uma rede neural de visão computacional, tornando-as como imagens.

Os resultados o estudo foi publicado no bioRxiv, e um vídeo foi postado ao lado do trabalho de pesquisa, que mostrava como a rede reconstruía imagens. A equipe de pesquisa do MIPT espera que o estudo os ajude a criar sistemas de reabilitação pós-AVC controlados por ondas cerebrais. Para criar dispositivos de reabilitação para vítimas de derrame, os neurobiólogos precisam estudar os processos que o cérebro usa para codificar informações. Uma parte crítica da compreensão desses processos é estudar como as pessoas percebem as informações do vídeo. De acordo com a ZME Science, os métodos atuais de extração de imagens de ondas cerebrais normalmente analisam os sinais provenientes dos neurônios, por meio do uso de implantes, ou extraem imagens usando ressonância magnética funcional.

A equipe de pesquisa da Neurbiotics e do MIPT utilizou a eletroencefalografia, ou EEG, que registra ondas cerebrais coletadas de eletrodos colocados no couro cabeludo. Nessas situações, as pessoas costumam usar dispositivos que rastreiam seus sinais neurais enquanto assistem a um vídeo ou olham fotos. A análise da atividade cerebral produziu recursos de entrada que poderiam ser usados ​​em um sistema de aprendizado de máquina. O sistema de aprendizado de máquina foi capaz de reconstruir as imagens que uma pessoa testemunhou, renderizando-as em uma tela em tempo real.

O experimento foi dividido em várias partes. Na primeira fase do experimento, os pesquisadores fizeram com que os participantes assistissem a clipes de 10 segundos de vídeos do YouTube por cerca de 20 minutos. O vídeo foi dividido em cinco categorias diferentes: automobilismo, rostos humanos, formas abstratas, cachoeiras e mecanismos em movimento. Essas diferentes categorias podem conter uma variedade de objetos. Por exemplo, a categoria de esportes motorizados continha clipes de motos de neve e motocicletas.

A equipe de pesquisa analisou os dados de EEG coletados enquanto os participantes assistiam aos vídeos. Os EEGs exibiam padrões específicos para cada um dos diferentes videoclipes, e isso significava que a equipe poderia interpretar o conteúdo que os participantes estavam vendo nos vídeos mais ou menos em tempo real.

A segunda fase do experimento teve três categorias selecionadas aleatoriamente. Duas redes neurais foram criadas para trabalhar com essas duas categorias. A primeira rede gerou imagens aleatórias que pertenciam a uma das três categorias, criando-as a partir de ruído aleatório que foi refinado em uma imagem. Enquanto isso, a outra rede gerava ruído com base nas varreduras de EEG. Os dados em ambas as redes foram comparados e as imagens geradas aleatoriamente foram atualizadas com base nos dados de ruído do EEG, até que as imagens geradas se tornassem semelhantes às imagens que os sujeitos do teste estavam vendo.

Depois que o sistema foi projetado, os pesquisadores testaram a capacidade do programa de visualizar ondas cerebrais, mostrando aos participantes do teste vídeos que ainda não tinham visto das mesmas categorias. Os EEGs gerados durante a segunda rodada de visualizações foram entregues às redes, e as redes foram capazes de gerar imagens que poderiam ser facilmente colocadas na categoria certa 90% das vezes.

Os pesquisadores notaram que os resultados de seu experimento foram surpreendentes porque por muito tempo se assumiu que não havia informação suficiente em um EEG para reconstruir as imagens observadas pelas pessoas. No entanto, os resultados da equipe de pesquisa provaram que isso pode ser feito.

Vladimir Konyshev, chefe do Laboratório de Neurorobótica do MIPT, explicou que, embora a equipe de pesquisa esteja atualmente focada na criação de tecnologias assistivas para pessoas com deficiência, a tecnologia em que estão trabalhando pode ser usada para criar dispositivos de controle neural para a população em geral em alguns apontar. Konyshev explicou ao TechXplore:

“Estamos trabalhando no projeto de Tecnologias Assistivas da Neuronet da Iniciativa Tecnológica Nacional, que se concentra na interface cérebro-computador que permite que pacientes pós-AVC controlem um braço do exoesqueleto para fins de reabilitação neurológica ou pacientes paralisados ​​conduzam uma cadeira de rodas elétrica, por exemplo. O objetivo final é aumentar a precisão do controle neural também para indivíduos saudáveis”.