ИИ и интерфейсы мозг-компьютер: революция в управлении мыслями и глубокое обучение

Революционный прорыв в нейротехнологиях: Искусственный интеллект читает мысли

Современная наука стоит на пороге новой эры, где грань между человеческим разумом и цифровым миром становится всё более тонкой. Новое исследование, опубликованное в престижном научном журнале PNAS Nexus (издание Национальной академии наук США), проведенное учеными из Университета Карнеги — Меллона (CMU), открывает захватывающие перспективы. Исследователи продемонстрировали, как неинвазивный интерфейс «мозг — компьютер» (ИМК), работающий на базе искусственного интеллекта (ИИ) и алгоритмов глубокого обучения (DL — Deep Learning), позволяет человеку непрерывно управлять курсором на экране исключительно силой мысли.

Это достижение знаменует собой качественный скачок в развитии вспомогательных технологий. «Это исследование демонстрирует потенциал использования декодеров на базе глубокого обучения для онлайн-обработки данных ИМК в сложных задачах. Мы показали, что испытуемые могут достигать высоких результатов, используя эти модели», — отметил ведущий автор работы, доктор Бен Хэ, профессор биомедицинской инженерии и руководитель Института нейробиологии Университета Карнеги — Меллона.

Что такое интерфейс «мозг — компьютер» (ИМК)?

Интерфейс «мозг — компьютер» (ИМК или BCI — Brain-Computer Interface) — это сложная система, которая создает прямой канал связи между мозгом и внешним устройством. Эта технология относится к классу вспомогательных нейротехнологий. Основная цель ИМК — помочь людям с нарушениями речи или параличом. Благодаря этим системам пациенты могут управлять протезами конечностей, электрическими инвалидными колясками или курсором компьютера, не совершая ни единого физического движения.

По прогнозам аналитического агентства Grand View Research, индустрия интерфейсов «мозг — компьютер» к 2030 году достигнет объема в 6,2 миллиарда долларов США. Такой стремительный рост обусловлен не только медицинскими потребностями, но и интересом со стороны крупных технологических корпораций и инвесторов.

История развития и вклад Илона Маска

В последние годы тема ИМК стала центральной в мировых СМИ. Во многом это заслуга южноафриканского и американского предпринимателя Илона Маска, который в 2016 году стал соучредителем компании Neuralink. В январе 2024 года Маск объявил в своей социальной сети X (бывший Twitter), что устройство Neuralink было впервые имплантировано человеку. Однако стоит помнить, что Neuralink — далеко не первый проект в этой области.

История вживления чипов в мозг началась десятилетия назад. Первыми пациентами, получившими подобные интерфейсы, были люди, страдающие боковым амиотрофическим склерозом (БАС — тяжелое неизлечимое заболевание нервной системы) и перенесшие инсульт ствола мозга. Еще в 1998 году нейрохирург Рой Э. Бакай из Университета Эмори и нейробиолог Филип Р. Кеннеди успешно имплантировали нейротрофические электроды в моторную кору (область мозга, отвечающую за движение) пациентов. Это позволило им управлять курсором и синтезировать речь с помощью компьютера, используя лишь нейронные импульсы.

Глубокое обучение как ключ к расшифровке мыслей

Для того чтобы превратить сигналы мозга в команды для техники, используется искусственный интеллект (ИИ). Главная задача ИИ в данном контексте — декодирование (расшифровка) сложной активности нейронов и предсказание намерений пользователя. Существует два основных метода сбора данных о мозговой активности:

• Инвазивный метод: требует хирургического вмешательства для вживления электродов непосредственно в ткани мозга. Это обеспечивает высокую точность сигнала, но несет риски инфекций и осложнений.
• Неинвазивный метод: использование внешних датчиков. Самым популярным методом является электроэнцефалография (ЭЭГ).

Электроэнцефалография (ЭЭГ) — это методика регистрации электрической активности мозга. Специальные электроды накладываются на кожу головы (скальп), а прибор (электроэнцефалограф) усиливает эти микросигналы и преобразует их в графическое изображение или цифровой код. Впервые этот термин ввел немецкий нейропсихиатр Ганс Бергер в 1920-х годах. Сегодня ЭЭГ является стандартным и безопасным методом диагностики эпилепсии, травм мозга, расстройств сна, деменции и болезни Альцгеймера.

Почему исследование Университета Карнеги — Меллона так важно?

Несмотря на свою безопасность, неинвазивная ЭЭГ всегда сталкивалась с проблемой «шума». Сигналы, проходящие через черепную коробку, становятся слабыми и искаженными. Именно здесь на помощь приходит глубокое обучение (Deep Learning) — подмножество машинного обучения, основанное на использовании многослойных нейронных сетей, имитирующих работу человеческого мозга.

«Среди неинвазивных методов ЭЭГ особенно хорошо подходит для систем ИМК благодаря высокому временному разрешению (способности быстро фиксировать изменения), портативности и относительно низкой стоимости», — отмечают исследователи из CMU.

В ходе эксперимента ученые использовали 64-канальную шапочку для ЭЭГ QuikCap от компании Compumedics Neuroscan и систему SynAmps 2/RT для усиления сигналов. Здоровые участники эксперимента мысленно следили за движущимся объектом на экране. Глубокая нейронная сеть анализировала их мозговые волны и в режиме реального времени предсказывала, куда человек хочет переместить курсор.

Результаты и сравнение моделей

Ученые сравнили свой новый алгоритм глубокого обучения с уже существующими методами декодирования. Результаты оказались впечатляющими:

• В исследовании приняли участие 28 добровольцев.
• Модели глубокого обучения постоянно совершенствовались в процессе работы, обучаясь на новых данных.
• К последнему сеансу алгоритмы глубокого обучения значительно превзошли традиционные методы декодирования ИМК по точности и скорости реакции.

Будущее нейротехнологий: от медицины к повседневной жизни

Разработка ученых из Университета Карнеги — Меллона открывает путь к созданию высокопроизводительных устройств, которые не требуют хирургического вмешательства. Это критически важно для массового внедрения технологии.

Краткий словарь терминов, использованных в статье:

• Глубокое обучение (Deep Learning): метод обучения ИИ, при котором программа анализирует огромные массивы данных через слои искусственных нейронов, находя скрытые закономерности.
• Временное разрешение: характеристика метода измерения, показывающая, насколько быстро система может фиксировать изменения (в данном случае — изменения активности мозга).
• Моторная кора: часть коры больших полушарий головного мозга, которая отвечает за планирование, контроль и выполнение произвольных движений.
• Электроды: проводники, через которые электрический ток поступает в среду или выводится из неё; в ЭЭГ они считывают электрические потенциалы мозга.

В будущем подобные системы смогут не только возвращать подвижность парализованным пациентам, но и улучшать качество жизни здоровых людей. Представьте себе возможность управлять «умным домом», смартфоном или рабочими инструментами буквально силой мысли, не используя руки или голосовые команды. Благодаря сочетанию ИИ и неинвазивных интерфейсов, это будущее становится всё ближе.

Использование технологий глубокого обучения позволяет нивелировать недостатки неинвазивных методов, делая их такими же эффективными, как и дорогостоящие имплантаты. Это демократизирует доступ к нейротехнологиям и открывает новые горизонты в изучении человеческого сознания и его взаимодействия с машинами.

Все права защищены © 2024 Cami Rosso.