今年早些時候，俄羅斯神經植物學公司的研究人員和莫斯科物理與技術研究所的一個小組研究了
如何通過模擬實時年觀察到的圖像來可視化人類大腦活動。
這一在人工神經網絡技術使用的突破最終將使中風後康復設備，將由來自大腦的信號控制。該團隊通過 bioRxiv 網站上的“預印本”上傳了他們的研究，並分享了一段視頻，展示了他們在工作中的“思維閱讀”設備。
解碼人腦
為了開發可由人類控制的設備，以及治療認知障礙或卒中後康復，神經生物學家必須瞭解大腦如何編碼數據和信息。創造這些技術的一個關鍵發展是利用視覺感知作為標記來研究大腦活動的能力。例如，當某人在觀看視頻時記錄大腦活動。
成功進行神經圖像信號觀察的現有方法
目前用於從人腦信號中提取和分析觀察到的圖像的解決方案使用的是從神經元的植入物或功能磁共振成像中提取的信號。儘管這兩種方法都是非常棒的技術，但在臨床環境和日常生活中，這兩種方法都是有限的。
計算機腦接口的發展
由 Neurobotics 和 MIPT 開發的計算機-腦接口依賴於腦電圖（ EEG ）和人工神經網絡的結合。腦電圖是一種通過頭皮上的電極記錄腦電波的無創技術。《福布斯》企業和雲貢獻者 Bernard Marr 定義了人工神經網絡：
“人工神經網絡是一種模擬神經元組成人腦的網絡的嘗試，這樣計算機就能像人類一樣學習事物並做出決定。人工神經網絡是通過編程常規計算機來創建的，它們的行為就像是相互連接的腦細胞。”
通過將機器學習與人工智能和複雜計算相結合，所開發的系統將在實時中重建正在經歷 EEG 視圖的人的圖像。
MIPT 神經機器人實驗室負責人 Vladimir Konyshev 說：
“我們正在致力於國家技術倡議的神經網絡輔助技術項目，該項目的重點是腦-計算機接口，使中風後的病人能夠控制一個外骨骼手臂，用於神經康復，或者癱瘓的病人駕駛電動輪椅。最終的目標是提高對健康個體的神經控制的準確性。”
實驗：第一階段
在實驗的第一階段，神經生物學家小組要求健康的參與者觀看20分鐘的 YouTube 視頻。選擇了5個類別，包括瀑布、抽象形狀、人臉、摩托車運動和移動機構。
在分析腦電圖數據時，研究人員為每類別段視頻確定了不同的腦電波模式。這使得團隊能夠在實時中直接從大腦分析對視頻的響應。
實驗：第二階段
在實驗的第二階段，從原來的五個中隨機選擇了三個類別。接下來，研究人員開發了兩個單獨的神經網絡：一個用於從 EEG 生成“噪聲”，另一個用於從“噪聲”生成特定類別的圖像。',
接下來，對不同的網絡進行了協作訓練，將 EEG 信號轉換成與測試對象所觀察到的真實圖像相似的圖像。
可視化大腦活動
為了測試新系統在大腦中可視化活動的能力，實驗對象從最初的類別中看不見的視頻。腦電圖被記錄在他們的觀察，並餵給神經網絡。測試是成功的，生成的令人信服的圖像可以很容易地在90%以上的案例中進行分類。
這項研究的共同作者 Grigory Rashkov 說：
“腦電圖是從頭皮記錄下來的大腦信號的集合。研究人員過去認為通過腦電圖研究大腦的過程就像通過分析蒸汽火車留下的煙霧來找出蒸汽機的內部結構。”
“我們並不期望它包含足夠的信息，甚至不能部分重建一個人所觀察到的圖像。但事實證明，這是完全可能的。”
“更重要的是，我們可以使用它作為實時中運行的腦機接口的基礎。這讓人相當放心。通過目前的技術， ElonMusk 設想的侵入性神經接口面臨著複雜的手術和自然過程導致的快速惡化的挑戰——它們在幾個月內被氧化和失效。我們希望我們最終能夠設計出更能負擔得起的不需要植入的神經接口。”
神經網絡：更好或更糟：
最近，11月20日，由 Workday and Politico 主辦的“人工智能在工作中”活動的一名小組成員表示，有必要改寫約神經網絡，以防止種族歧視等意想不到的偏見。
據 NSF 工程總監 Dawn Tilbury 所說：
“算法的結果可以很容易地映射，但它們的意圖更難映射到解析。”
不管怎樣，看起來人工智能技術的進步和機器學習正在為醫學領域創造奇蹟。有可能的可穿戴設備將幫助中風倖存者有更好的生活質量在地平線上。
本文由
未艾信息（www.weainfo.net）編譯，想看更多譯文，歡迎大家點擊上面的鏈接進行查看~
閱讀更多 為AI吶喊 的文章
