ساخت رابط مغز و کامپیوتر برای کمک به کنترل اشیاء با فکر

به گزارش خبرنگار گروه علم و فناوری خبرگزاری برنا؛ همه افراد، ایده داشتن یک تراشه هوشمند در مغز خود را دوست ندارند. با این حال، این به این معنی نیست که چنین افرادی نمی‌توانند به چیزی که یک فرد با یک تراشه هوشمند مغز می‌تواند دست یابد، دست یابند.

محققان دانشگاه کارنگی ملون (CMU) اخیرا نشان دادند که یک رابط مغز و کامپیوتر غیر تهاجمی (BCI) با هوش مصنوعی می‌تواند به فرد اجازه دهد تا یک شی متحرک را روی صفحه نمایش فقط با فکر کردن به آن ردیابی کند.

تراشه‌های مغزی که توسط Neuralink ایلان ماسک، Synchron با حمایت بیل گیتس و بسیاری از شرکت‌های دیگر BCI وعده داده شده است به دو دسته تقسیم می‌شوند: تهاجمی یا حداقل تهاجمی. این بدان معنی است که چنین دستگاه‌هایی یا مستقیما در داخل مغز یا در داخل جمجمه کاشته می‌شوند.

مردم نگرانی‌های زیادی در مورد استفاده از چنین Bci‌های تهاجمی دارند، مانند اینکه اگر مغز یا جمجمه آنها در طول فرآیند کاشت تراشه آسیب ببیند، چه اتفاقی می‌افتد اگر کسی تراشه خود را هک کند؟ چگونه تراشه بر سلامت مغز آنها در دراز مدت تأثیر می‌گذارد؟ چه تضمینی وجود دارد که سازندگان تراشه از داده‌های عصبی خود سوء استفاده نکنند و غیره.

این جایی است که BCIs غیر تهاجمی مانند آنچه محققان در مطالعه خود نشان دادند، می‌تواند تفاوت بزرگی ایجاد کند.

"Bci‌های غیر تهاجمی مزایای زیادی را در مقایسه با همتایان تهاجمی خود به ارمغان می‌آورند (به Neuralink یا Synchron فکر کنید). این شامل افزایش ایمنی، هزینه و اثربخشی و توانایی استفاده توسط بیماران متعدد و همچنین جمعیت عمومی است.

یادگیری عمیق باعث عملکرد جادویی می‌شود

مشکل BCIs غیر تهاجمی معمولی این است که آنها به اندازه bcis تهاجمی دقیق نیستند. آنها با استفاده از سنسور‌های خارجی که در تماس مستقیم با بافت‌های مغز نیستند، داده‌ها را جمع آوری می‌کنند و هر گونه اختلال در محیط کاربر می‌تواند بر عملکرد آنها تأثیر بگذارد.

به گفته محققان CMU، شبکه‌های عصبی عمیق مبتنی بر هوش مصنوعی می‌توانند این مشکل را حل کنند. آنها پیشرفته‌تر از شبکه‌های عصبی مصنوعی هستند که برای تشخیص چهره، تشخیص گفتار و سایر کار‌های ساده استفاده می‌شوند.

یک شبکه عصبی عمیق در مقایسه با ANN دارای لایه‌ها و گره‌های بیشتری است و بنابراین برای کار‌های پیچیده‌تر استفاده می‌شود. آنها می‌توانند به یک BCI اجازه دهند تا نتایج دقیق را حتی از مجموعه داده‌های پیچیده و بزرگ با تحریف و سر و صدا استخراج کند.

به عنوان مثال، در طول مطالعه ۲۸ شرکت کننده انسانی فقط با افکار خود توانستند به طور مداوم یک شی را روی صفحه ردیابی کنند.

محققان BCIs غیر تهاجمی را به مغزشان متصل کرده بودند. در همین حال، آنها از الکتروانسفالوگرافی (eeg) برای ثبت فعالیت مغز شرکت کنندگان استفاده کردند. داده‌های EEG برای آموزش یک شبکه عصبی عمیق با هوش مصنوعی استفاده شد.

نویسندگان این مطالعه می‌گویند: این شبکه قادر بود به طور مستقیم درک کند که شرکت کنندگان قصد داشتند با اشیایی که به طور مداوم در حال حرکت هستند، فقط با تجزیه و تحلیل داده‌ها از سنسور‌های رابط مغز و کامپیوتر (BCI) چه کاری انجام دهند.

BCIs مبتنی بر هوش مصنوعی می‌تواند ربات‌ها را بهبود بخشد 

نتایج حاصل از مطالعه فعلی نشان می‌دهد که در آینده، BCIs غیر تهاجمی مبتنی بر هوش مصنوعی می‌تواند به افراد در کنترل دستگاه‌های خارجی بدون استفاده از دست‌ها و عضلات کمک کند.

این می‌تواند تعامل افراد با تکنولوژی را آسان‌تر کند، به دانشمندان اجازه دهد تا عملکرد مغز انسان را به طور دقیق مطالعه کنند و کیفیت زندگی افراد مبتلا به قطع عضو و معلولیت را بهبود ببخشند.

بن هه، یکی از نویسندگان این مطالعه و استاد مهندسی پزشکی زیستی در CMU گفت: ما در حال آزمایش بیشتر کاربرد آن نه تنها برای افراد قادر به بدن بلکه برای بیماران سکته مغزی که از اختلالات حرکتی رنج می‌برند نیز هستیم.

با این حال، این اولین باری نیست که نویسندگان مطالعه پتانسیل BCIs غیر تهاجمی را نشان می‌دهند. در سال ۲۰۱۹، آنها از یک رویکرد مشابه استفاده کردند که یک بازوی رباتیک کنترل شده توسط ذهن را قادر می‌سازد تا یک نشانگر ماوس را تعقیب کند.

آنها معتقدند که BCIs غیر تهاجمی مبتنی بر هوش مصنوعی همچنین می‌تواند منجر به توسعه دستگاه‌های رباتیک هوش مصنوعی بهتر و دستیاران رباتیک شود. وی گفت: ما در حال حاضر در حال آزمایش این فناوری bci غیر تهاجمی با هوش مصنوعی برای کنترل وظایف پیچیده یک بازوی رباتیک هستیم.

این مطالعه در مجله PNAS Nexus منتشر شده است.

انتهای پیام/