Είναι δυνατόν να ανακατασκευάσουμε τι βλέπει κάποιος με βάση μόνο τα εγκεφαλικά σήματα; Η απάντηση είναι όχι, όχι ακόμα. Αλλά οι ερευνητές του EPFL έκαναν ένα βήμα προς αυτή την κατεύθυνση, παρουσιάζοντας έναν νέο αλγόριθμο για την κατασκευή μοντέλων τεχνητών νευρωνικών δικτύων που αποτυπώνουν τη δυναμική του εγκεφάλου με εντυπωσιακό βαθμό ακρίβειας.
Δείτε επίσης: Machine learning βελτίωσε την πρώτη φωτογραφία μαύρης τρύπας
Με ρίζες στα μαθηματικά, ο νέος αλγόριθμος μηχανικής μάθησης ονομάζεται CEBRA (προφέρεται zebra) και μαθαίνει την κρυμμένη δομή στον νευρωνικό κώδικα.
Οι πληροφορίες που μαθαίνει το CEBRA από τα ακατέργαστα νευρωνικά δεδομένα μπορούν να ελεγχθούν μετά την εκπαίδευση με αποκωδικοποίηση – μια μέθοδος που χρησιμοποιείται για τις διεπαφές εγκεφάλου-μηχανής (BMI) – και έχουν δείξει ότι μπορούν να αποκωδικοποιήσουν από το μοντέλο τι βλέπει ένα ποντίκι ενώ παρακολουθεί μια ταινία.
Όμως το CEBRA δεν περιορίζεται στους νευρώνες του οπτικού φλοιού, ούτε καν στα εγκεφαλικά δεδομένα. Η μελέτη τους δείχνει επίσης ότι μπορεί να χρησιμοποιηθεί για την πρόβλεψη των κινήσεων του χεριού σε πρωτεύοντα θηλαστικά και για την ανακατασκευή των θέσεων των αρουραίων καθώς τρέχουν ελεύθερα σε μια αρένα.
Η μελέτη δημοσιεύεται στο Nature.
Πρόταση: Η τεχνητή νοημοσύνη και το machine learning στην gaming σκηνή
Για την εκμάθηση της κρυμμένης δομής στο οπτικό σύστημα των ποντικιών, το CEBRA μπορεί να προβλέψει μη ορατά κινηματογραφικά καρέ απευθείας από τα εγκεφαλικά σήματα μετά από μια αρχική περίοδο εκπαίδευσης που χαρτογραφεί τα εγκεφαλικά σήματα και τα χαρακτηριστικά της ταινίας.
Τα δεδομένα που χρησιμοποιήθηκαν για την αποκωδικοποίηση βίντεο ήταν open-access μέσω του Ινστιτούτου Allen στο Σιάτλ, Ουάσινγκτον. Τα εγκεφαλικά σήματα λαμβάνονται είτε απευθείας με τη μέτρηση της εγκεφαλικής δραστηριότητας μέσω ανιχνευτών ηλεκτροδίων που εισάγονται στην περιοχή του οπτικού φλοιού του εγκεφάλου του ποντικιού, είτε με τη χρήση οπτικών ανιχνευτών που συνίστανται στη χρήση γενετικά τροποποιημένων ποντικιών, κατασκευασμένων έτσι ώστε οι ενεργοποιημένοι νευρώνες να λάμπουν με πράσινο χρώμα.
Κατά τη διάρκεια της περιόδου εκπαίδευσης, το CEBRA μαθαίνει να χαρτογραφεί την εγκεφαλική δραστηριότητα σε συγκεκριμένα καρέ. Το CEBRA αποδίδει καλά με λιγότερο από το 1% των νευρώνων στον οπτικό φλοιό, λαμβάνοντας υπόψη ότι, στα ποντίκια, αυτή η περιοχή του εγκεφάλου αποτελείται από περίπου 0,5 εκατομμύρια νευρώνες.
Διαβάστε επίσης: Nvidia AI: Παίζει Minecraft και κερδίζει βραβείο machine learning
πηγή πληροφοριών: neurosciencenews.com
