Uso de IA para Recrear Ondas Cerebrais Humanas em Tempo Real

Recentemente, uma equipe de pesquisadores criou uma rede neural que é capaz de recrear ondas cerebrais humanas em tempo real. De acordo com o Futurism, a equipe de pesquisa, composta por pesquisadores do Instituto de Física e Tecnologia de Moscou (MIPT) e da corporação Neurobotics, foi capaz de visualizar as ondas cerebrais de uma pessoa traduzindo as ondas com uma rede neural de visão computacional, renderizando-as como imagens.

Os resultados do estudo foram publicados no bioRxiv, e um vídeo foi postado ao lado do artigo de pesquisa, mostrando como a rede reconstruiu as imagens. A equipe de pesquisa do MIPT espera que o estudo ajude a criar sistemas de reabilitação pós-acidente vascular cerebral controlados por ondas cerebrais. Para criar dispositivos de reabilitação para vítimas de acidente vascular cerebral, os neurobiólogos precisam estudar os processos que o cérebro usa para codificar informações. Uma parte crítica para entender esses processos é estudar como as pessoas percebem informações de vídeo. De acordo com a ZME Science, os métodos atuais de extração de imagens de ondas cerebrais geralmente analisam os sinais originados 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 eletroencefalografia, ou EEG, que registra as ondas cerebrais coletadas de eletrodos colocados no couro cabeludo. Nesses casos, as pessoas geralmente usam dispositivos que rastreiam seus sinais neurais enquanto assistem a um vídeo ou olham para imagens. A análise da atividade cerebral forneceu 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 viu, renderizando as imagens 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. Havia cinco categorias diferentes nas quais os vídeos foram divididos: esportes de motor, rostos humanos, formas abstratas, cachoeiras e mecanismos em movimento. Essas categorias diferentes podem conter uma variedade de objetos. Por exemplo, a categoria de esportes de motor continha clipes de snowmobiles e motocicletas.

A equipe de pesquisa analisou os dados de EEG coletados enquanto os participantes assistiam aos vídeos. Os EEGs exibiram padrões específicos para cada um dos clipes de vídeo diferentes, e isso significava que a equipe poderia potencialmente interpretar o que os participantes estavam vendo nos vídeos 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 gerou ruído com base nos exames de EEG. Os dados em ambas as redes foram comparados e as imagens geradas aleatoriamente foram atualizadas com base nos dados de ruído de EEG, até que as imagens geradas se tornassem semelhantes às imagens que os participantes 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 eles ainda não haviam visto das mesmas categorias. Os EEGs gerados durante a segunda rodada de visualizações foram dados às redes, e as redes foram capazes de gerar imagens que poderiam ser facilmente colocadas na categoria certa 90% do tempo.

Os pesquisadores observaram que os resultados de seu experimento foram surpreendentes porque, por muito tempo, se supôs que não havia informações suficientes 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 em criar tecnologias assistivas para pessoas com deficiência, a tecnologia que eles estão trabalhando pode ser usada para criar dispositivos de controle neural para a população em geral em algum momento. Konyshev explicou ao TechXplore:

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