Gerçek Zamanlı İnsan Beyin Dalgalarını Yeniden Yaratan AI

yakın zamanda, bir araştırma ekibi gerçek zamanlı olarak insan beyin dalgalarını yeniden yaratabilen bir sinir ağı oluşturdu. Futurism tarafından bildirildiği üzere, araştırma ekibi, Moskova Fizik ve Teknoloji Enstitüsü (MIPT) ve Neurobotics kuruluşundan oluşan araştırmacılar, beyin dalgalarını bir bilgisayar görme sinir ağı ile çevirerek görüntülere dönüştürebildi.

Çalışmanın sonuçları bioRxiv’de yayımlandı ve araştırma makalesinin yanında bir video paylaşıldı, bu video ağın nasıl görüntüleri yeniden yarattığını gösterdi. MIPT araştırma ekibi, bu çalışmanın post-inme rehabilitasyon sistemlerinin beyin dalgaları ile kontrol edilmesini sağlayacak bir sistem oluşturmasına yardımcı olacağını umuyor. İnme mağdurları için rehabilitasyon cihazları oluşturmak için nörobiyologların beyin tarafından bilgi kodlama süreçlerini incelemeleri gerekiyor. Bu süreçleri anlamak için önemli bir adım, insanların video bilgilerini nasıl algıladıklarını incelemektir. ZME Science’e göre, beyin dalgalarından görüntüleri çıkarmak için kullanılan mevcut yöntemler genellikle nöronlardan gelen sinyalleri analiz eder veya fonksiyonel MRI kullanarak görüntüleri çıkarır.

Neurbiotics ve MIPT’den oluşan araştırma ekibi, elektroensefalografi (EEG) kullanmıştır, bu da skalptaki elektrodlardan toplanan beyin dalgalarını kaydeder. Bu gibi durumlarda, insanlar genellikle nöral sinyallerini izleyen cihazlar takarken video izler veya resimler görürler. Beyin aktivitesinin analizi, bir makine öğrenimi sisteminde kullanılabilecek girdi özelliklerini verdi. Makine öğrenimi sistemi, bir kişinin gördüğü görüntüleri yeniden yaratabildi ve bunları gerçek zamanlı olarak bir ekran üzerinde görüntüledi.

Deney birden fazla aşamaya ayrılmıştır. Deneyin ilk aşamasında, araştırmacılar katılımcılara yaklaşık 20 dakika boyunca 10 saniyelik YouTube videolarını izlettirdiler. Videolar beş farklı kategoriye ayrılmıştı: motorsporları, insan yüzleri, soyut şekiller, şelaleler ve hareketli mekanizmalar. Bu farklı kategoriler çeşitli nesneleri içerebilir. Örneğin, motorsporları kategorisi kar motosikletleri ve motosikletler gibi klipler içeriyordu.

Araştırmacılar, katılımcıların videoları izlerken topladıkları EEG verilerini analiz ettiler. EEG’ler, her bir farklı video klibi için özel desenler gösterdi ve bu, ekibin katılımcıların videolarda ne gördüklerini daha fazla veya daha az gerçek zamanlı olarak yorumlayabileceği anlamına geliyordu.

Deneyin ikinci aşamasında, üç kategori rastgele seçildi. İki sinir ağı, bu iki kategori ile çalışmak üzere oluşturuldu. İlk ağ, üç kategoriye ait rasgele görüntüler oluşturdu, bunları rasgele gürültüden bir görüntüye dönüştürdü. Diğer ağ, EEG taramalarından gürültü oluşturdu. Her iki ağdaki veriler karşılaştırıldı ve rasgele oluşturulan görüntüler, EEG gürültü verilerine göre güncellendi, böylece oluşturulan görüntüler test konusunun gördüğü görüntülere benzer hale geldi.

Sistem tasarlandıktan sonra, araştırmacılar programın beyin dalgalarını görselleştirme yeteneğini, test konusuna aynı kategoriden daha önce görmediği videolar göstererek test ettiler. İkinci tur izleme sırasında oluşturulan EEG’ler ağlara verildi ve ağlar, %90 oranında doğru kategoride yer alan görüntüler oluşturabildi.

Araştırmacılar, deneyin sonuçlarının şaşırtıcı olduğunu çünkü uzun süre boyunca bir EEG’de insanların gördüğü görüntüleri yeniden yaratmak için yeterli bilgi olmadığı düşünüldüğünü belirttiler. Ancak, araştırma ekibinin sonuçları bunu yapabileceğini kanıtladı.

MIPT’deki Neurorobotics Lab’ın başkanı Vladimir Konyshev, şu anda engelli kişiler için yardımcı teknolojiler oluşturmaya odaklandıklarını, ancak çalıştıkları teknolojinin gelecekte genel nüfus için nöral kontrol cihazları oluşturmak için kullanılabileceğini açıkladı. Konyshev, TechXplore’a

“Assistive Technologies projesi üzerinde çalışıyoruz, bu proje post-inme hastalarının beyin dalgaları ile bir exoskeleton kolunu kontrol etmelerini veya felçli hastaların bir elektrikli tekerlekli sandalyeyi sürmelerini sağlar. Nihai hedef, sağlıklı bireyler için de nöral kontrolün doğruluğunu artırmaktır.”