Mariam Shanechi, katedra za elektrotehniku i računarstvo Savchuk i osnivački direktor USC Centra za neurotehnologiju, i njen tim su razvili novi algoritam AI koji može odvojiti obrasce mozga koji se odnose na određeno ponašanje. Ovaj rad, koji može poboljšati interfejse između mozga i računara i otkriti nove obrasce mozga, objavljen je u časopisu Nature Neuroscience.
Dok čitate ovu priču, vaš mozak je uključen u više ponašanja.
Možda pomerate ruku da uzmete šoljicu kafe dok naglas čitate članak svom kolegi i osećate se pomalo gladno. Sva ova različita ponašanja, kao što su pokreti ruku, govor i različita unutrašnja stanja kao što je glad, istovremeno su kodirana u vašem mozgu.
Ovo istovremeno kodiranje dovodi do veoma složenih i pomešanih obrazaca u električnoj aktivnosti mozga. Stoga je veliki izazov odvojiti one moždane obrasce koji kodiraju određeno ponašanje, kao što je pokret ruke, od svih drugih obrazaca mozga.
Na primer, ova disocijacija je ključna za razvoj interfejsa između mozga i računara koji imaju za cilj da povrate kretanje kod paralizovanih pacijenata. Kada razmišljaju o pokretanju, ovi pacijenti ne mogu da prenesu svoje misli svojim mišićima.
Da bi se obnovila funkcija kod ovih pacijenata, interfejsi mozak-računar dekodiraju planirani pokret direktno iz njihove moždane aktivnosti i prevode to u pomeranje spoljnog uređaja, kao što je robotska ruka ili kompjuterski kursor.
Shanechi i njen bivši dr. student, Omid Sani, koji je sada naučni saradnik u njenoj laboratoriji, razvio je novi algoritam veštačke inteligencije koji se bavi ovim izazovom. Algoritam je nazvan DPAD, za „Disociativnu prioritetnu analizu dinamike“.
„Naš AI algoritam, nazvan DPAD, odvaja one moždane obrasce koji kodiraju određeno ponašanje od interesa, kao što je pokret ruke, od svih drugih obrazaca mozga koji se dešavaju u isto vreme“, rekao je Shanechi.
„Ovo nam omogućava da preciznije dekodiramo pokrete iz moždane aktivnosti od prethodnih metoda, što može poboljšati interfejse između mozga i računara. Dalje, naš metod takođe može otkriti nove obrasce u mozgu koji bi inače mogli da promaše.“
„Ključni element u algoritmu veštačke inteligencije je da se prvo traže obrasci mozga koji su povezani sa ponašanjem od interesa i da se uče ovi obrasci sa prioritetom tokom obuke duboke neuronske mreže“, dodao je Sani.
„Nakon što to uradi, algoritam kasnije može naučiti sve preostale obrasce tako da ne maskiraju ili zbunjuju obrasce ponašanja. Štaviše, upotreba neuronskih mreža daje veliku fleksibilnost u pogledu tipova moždanih obrazaca koje algoritam može opisati.“
Pored kretanja, ovaj algoritam ima fleksibilnost da se potencijalno koristi u budućnosti za dekodiranje mentalnih stanja kao što su bol ili depresivno raspoloženje. To može pomoći u boljem lečenju stanja mentalnog zdravlja praćenjem stanja simptoma pacijenta kao povratne informacije kako bi se njihove terapije precizno prilagodile njihovim potrebama.
„Veoma smo uzbuđeni što ćemo razviti i pokazati proširenja naše metode koja može pratiti stanja simptoma u uslovima mentalnog zdravlja“, rekao je Shanechi. „To bi moglo dovesti do interfejsa između mozga i računara ne samo za poremećaje kretanja i paralizu, već i za stanja mentalnog zdravlja.“
