AI folosit pentru a recrea undele creierului uman în timp real

Recent, o echipă de cercetători a creat o rețea neuronală care este capabilă să recreeze undele creierului uman în timp real. După cum a raportat Futurism, echipa de cercetare, formată din cercetători de la Institutul de Fizică și Tehnologie din Moscova (MIPT) și de la corporația Neurobotics, a reușit să vizualizeze undele cerebrale ale unei persoane prin traducerea undelor cu ajutorul unei rețele neuronale de viziune computerizată, redându-le ca imagini.

Rezultatele studiul au fost publicate în bioRxiv, și un videoclip a fost postat alături de lucrarea de cercetare, care a arătat modul în care rețeaua a reconstruit imaginile. Echipa de cercetare MIPT speră că studiul îi va ajuta să creeze sisteme de reabilitare post-accident vascular cerebral care sunt controlate de undele cerebrale. Pentru a crea dispozitive de recuperare pentru victimele accidentului vascular cerebral, neurobiologii trebuie să studieze procesele pe care creierul le folosește pentru a codifica informațiile. O parte critică a înțelegerii acestor procese este studierea modului în care oamenii percep informațiile video. Potrivit ZME Science, metodele actuale de extragere a imaginilor din undele cerebrale analizează în mod obișnuit semnalele provenite de la neuroni, prin utilizarea implanturilor, sau extrag imagini folosind RMN funcțional.

Echipa de cercetare de la Neurbiotics și MIPT a folosit electroencefalografia sau EEG, care înregistrează undele cerebrale colectate de la electrozii plasați pe scalp. În astfel de situații, oamenii poartă adesea dispozitive care își urmăresc semnalele neuronale în timp ce urmăresc un videoclip sau se uită la imagini. Analiza activității creierului a dat caracteristici de intrare care ar putea fi utilizate într-un sistem de învățare automată. Sistemul de învățare automată a putut reconstrui imaginile la care a fost martor o persoană, redând imaginile pe un ecran în timp real.

Experimentul a fost împărțit în mai multe părți. În prima fază a experimentului, cercetătorii au pus subiecții să urmărească clipuri de 10 secunde ale videoclipurilor YouTube timp de aproximativ 20 de minute. Au fost cinci categorii diferite în care videoclipul a fost împărțit: sport cu motor, chipuri umane, forme abstracte, cascade și mecanisme de mișcare. Aceste categorii diferite pot conține o varietate de obiecte. De exemplu, categoria sport cu motor conținea clipuri cu snowmobile și motociclete.

Echipa de cercetare a analizat datele EEG care au fost colectate în timp ce participanții au vizionat videoclipurile. EEG-urile au afișat modele specifice pentru fiecare dintre diferitele clipuri video, iar acest lucru a însemnat că echipa ar putea interpreta conținutul pe care participanții îl vedeau în videoclipuri mai mult sau mai puțin în timp real.

A doua fază a experimentului a avut trei categorii selectate la întâmplare. Două rețele neuronale au fost create pentru a lucra cu aceste două categorii. Prima rețea a generat imagini aleatorii care aparțineau uneia dintre cele trei categorii, creându-le din zgomot aleatoriu care a fost rafinat într-o imagine. Între timp, cealaltă rețea a generat zgomot pe baza scanărilor EEG. Datele din ambele rețele au fost comparate și imaginile generate aleatoriu au fost actualizate pe baza datelor de zgomot EEG, până când imaginile generate au devenit similare cu imaginile pe care le vedeau subiecții de testare.

După ce sistemul a fost proiectat, cercetătorii au testat capacitatea programului de a vizualiza undele cerebrale, arătând subiecților de testat videoclipuri pe care nu le-au văzut încă din aceleași categorii. EEG-urile generate în timpul celei de-a doua runde de vizionări au fost date rețelelor, iar rețelele au putut genera imagini care ar putea fi plasate cu ușurință în categoria potrivită în 90% din timp.

Cercetătorii au remarcat că rezultatele experimentului lor au fost surprinzătoare, deoarece pentru o lungă perioadă de timp s-a presupus că nu există suficiente informații într-un EEG pentru a reconstrui imaginile observate de oameni. Cu toate acestea, rezultatele echipei de cercetare au demonstrat că se poate face.

Vladimir Konyshev, șeful Laboratorului de Neurobotică de la MIPT, a explicat că, deși echipa de cercetare se concentrează în prezent pe crearea de tehnologii de asistență pentru cei cu dizabilități, tehnologia pe care o lucrează ar putea fi folosită pentru a crea dispozitive de control neuronal pentru populația generală, la un moment dat. punct. Konyshev a explicat pentru TechXplore:

„Lucrăm la proiectul Tehnologii de asistență al Neuronet al Inițiativei Naționale de Tehnologie, care se concentrează pe interfața creier-calculator care permite pacienților care au suferit un accident vascular cerebral să controleze un braț exoschelet în scopuri de neuroreabilitare sau pacienților paralizați să conducă un scaun cu rotile electric, de exemplu. Scopul final este de a crește acuratețea controlului neuronal și pentru persoanele sănătoase.”