2024. 10. 29. - 08:30
Ez igen: mozgásos és mentális bajok dekódolását is megoldhatja a neurális mesterséges intelligencia
Meghökkentő: egy új mesterséges intelligencia algoritmus képes azonosítani konkrét viselkedéshez kapcsolódó agyi mintákat – jelentették be a kutatók.
Kifejlesztettek egy neurális mesterséges intelligenciát, amely képes azonosítani a konkrét viselkedéshez kapcsolódó agyi mintákat.
Maryam Shanechi, a Sawchuk elektromos és számítástechnikai mérnöki tanszék és az USC Neurotechnológiai Központ alapító igazgatója csapatával új mesterséges intelligencia-algoritmust alkotott meg, amely el tud különíteni egy adott viselkedéshez tartozó agyi mintákat.
A tanulmány javíthatja az agy-számítógép interfészt és új agyi mintákat fedezhet fel – a kutatók a Nature Neuroscience folyóiratban jelentették meg.
Az ember agya akár egy cikk olvasása közben is többféle tevékenységben vesz részt. Mindezek a különféle viselkedések, mint például a karmozgások, a beszéd és a különböző belső állapotok – így például az éhség -, egyszerre kódolódnak az agyban. Ez az egyidejű kódolás nagyon összetett és kevert mintákat hoz létre az agy elektromos tevékenységében. Olvasd el: Döbbenetes pontossággal alakítja képpé a mesterséges intelligencia, amit látunk
Mozgásos és mentális bajok dekódolását is megoldhatja a neurális mesterséges intelligencia
Ezért nagy kihívás elválasztani azokat az agyi mintákat, amelyek mondjuk egy adott viselkedést, például karmozgást kódolnak, az összes többi agyi mintától.
Ez a disszociáció például kulcsfontosságú az agy-számítógép interfészek fejlesztésében, amelyek célja a mozgás helyreállítása a bénult betegekben.
Amikor egy mozgásra gondolnak, ezen páciensek nem képesek kommunikálni gondolataikat az izmaikkal. Funkcióik helyreállítása érdekében az agy-számítógép interfészek közvetlenül az agyi tevékenységükből dekódolják a tervezett mozgást és ezt egy külső eszköz, például robotkar vagy számítógépes kurzor mozgatására fordítják.
Az új neurális MI megbirkózik a kihívással
Shanechi és Omid Sani, korábbi Ph.D. diákja - aki jelenleg kutatótárs a laborjában -, új mesterséges intelligencia-algoritmust fejlesztett ki, amely megbirkózik ezzel a kihívással. Az algoritmus neve DPAD, a „Dinamika disszociatív prioritásos elemzése” kifejezés rövidítése.
„DPAD nevű mesterséges intelligencia-algoritmusunk elválasztja azokat az agyi mintákat, amelyek egy adott érdeklődésre számot tartó viselkedést kódolnak, például a karmozgást az összes többi agyi mintázattól, amely egyidejűleg történik - magyarázta Shanechi. - Ez lehetővé teszi számunkra, hogy pontosabban dekódoljuk az agyi tevékenységből származó mozgásokat, mint a korábbi módszerek és javíthatják az agy-számítógép interfészt. Ezenkívül módszerünk olyan új mintákat is felfedezhet az agyban, amelyek egyébként hiányoznának.”
Omid Sani hozzátette: a mesterséges intelligencia algoritmusának egyik kulcseleme, hogy először meg kell keresni azokat az agyi mintákat, amelyek kapcsolódnak az érdeklődésre számot tartó viselkedéshez, és ezeket a mintákat prioritásként megtanulják egy mély neurális hálózat képzése során.
„Ezt követően az algoritmus később megtanulja az összes fennmaradó mintát, hogy azok ne takarják el vagy ne keverjék össze a viselkedéssel kapcsolatos mintákat. Ezen túlmenően a neurális hálózatok használata elegendő rugalmasságot biztosít az agyi mintázatok típusát illetően, amelyeket az algoritmus le tud írni” – jegyezte meg.
Az algoritmus mozgásos és mentális állapotok dekódolására is alkalmas
A mozgás mellett ez az algoritmus rugalmasan használható a jövőben olyan mentális állapotok dekódolására, mint a fájdalom vagy a depressziós hangulat.
Ami segíthet a mentális egészségi állapotok jobb kezelésében, azzal, hogy visszajelzésként nyomon követi a páciens tüneti állapotát és pontosan az igényeihez igazítja a terápiát.
„Nagyon izgatottak vagyunk, hogy kifejleszthessük és bemutathassuk módszerünk olyan kiterjesztését, amely nyomon követheti a mentális egészségi állapot tüneteit” - mondta Shanechi.
Hozzátette: ez nemcsak mozgászavarok és bénulások, hanem mentális egészségi állapotok esetén is hatékony agy-számítógép interfészekhez vezethet.
B.A.
