Ένα τεχνητό νευρωνικό δίκτυο (AI) που σχεδίασε μια διεθνής ομάδα στην οποία συμμετέχει το Πανεπιστημιακό Κολέγιο του Λονδίνου, μπορεί να μεταφράσει ακατέργαστα δεδομένα από την εγκεφαλική δραστηριότητα, ανοίγοντας έτσι τον δρόμο για νέες ανακαλύψεις και μια μεγαλύτερη ενσωμάτωση τεχνολογίας και εγκεφάλου.
Η μελέτη που δημοσιεύτηκε στο eLife, με συνδιευθυντές το Ινστιτούτο Kavli για τη Συστημική Νευροεπιστήμη στο Τρόντχαϊμ και το Ινστιτούτο Max Planck για τις Ανθρώπινες Γνωστικές και Εγκεφαλικές Επιστήμες της Λειψίας, δείχνει ότι ένα συνελικτικό νευρωνικό δίκτυο- ένας συγκεκριμένος τύπος αλγορίθμου βαθιάς μάθησης δηλαδή- είναι σε θέση να αποκωδικοποιήσει πολλές διαφορετικές συμπεριφορές και ερεθίσματα από μια μεγάλη ποικιλία εγκεφαλικών περιοχών, σε διαφορετικά είδη, συμπεριλαμβανομένων των ανθρώπων.
«Οι νευροεπιστήμονες έχουν καταφέρει να καταγράφουν όλο και μεγαλύτερα σύνολα δεδομένων από τον εγκέφαλο, αλλά η κατανόηση των πληροφοριών που περιέχονται σε αυτά τα δεδομένα – η ανάγνωση του νευρωνικού κώδικα – εξακολουθεί να αποτελεί πρόβλημα καθώς στις περισσότερες περιπτώσεις δεν γνωρίζουμε ποια μηνύματα μεταδίδονται. Θέλαμε να αναπτύξουμε μια αυτόματη μέθοδο για την ανάλυση ακατέργαστων νευρωνικών δεδομένων πολλών διαφορετικών τύπων, παρακάμπτοντας την ανάγκη χειροκίνητης αποκρυπτογράφησής τους», εξηγεί ο επικεφαλής ερευνητής Μάρκους Φρέυ.
Οι ερευνητές δοκίμασαν το δίκτυο, που ονομάζεται DeepInsight, σε νευρωνικά σήματα από αρουραίους- οι οποίοι εξερευνούσαν μια ανοιχτή αρένα- και διαπίστωσαν ότι αυτό ήταν σε θέση να προβλέψει με ακρίβεια τη θέση, την κατεύθυνση του κεφαλιού και την ταχύτητα τρεξίματος των ζώων. Ακόμη και χωρίς χειροκίνητη επεξεργασία, τα αποτελέσματα ήταν πιο ακριβή από εκείνα που προέκυψαν με συμβατικές αναλύσεις.
«Οι υπάρχουσες μέθοδοι χάνουν πολλές πιθανές πληροφορίες στις νευρικές καταγραφές, επειδή μπορούμε να αποκωδικοποιήσουμε μόνο τα στοιχεία που ήδη κατανοούμε. Το δίκτυό μας έχει πρόσβαση σε πολύ περισσότερα στοιχεία του νευρωνικού κώδικα και με τον τρόπο αυτό μας μαθαίνει να διαβάζουμε κάποια από αυτά τα άλλα στοιχεία», δήλωσε ο επικεφαλής συγγραφέας και καθηγητής, Κάσγουελ Μπάρυ.
«Είμαστε σε θέση να αποκωδικοποιούμε τα νευρωνικά δεδομένα με μεγαλύτερη ακρίβεια από ό,τι πριν, αλλά η πραγματική πρόοδος είναι ότι το δίκτυο δεν περιορίζεται από την υπάρχουσα γνώση».
Η ομάδα διαπίστωσε ότι το μοντέλο της ήταν σε θέση να εντοπίσει νέες πτυχές του νευρωνικού κώδικα, τις οποίες παρουσιάζουν εντοπίζοντας μια προηγουμένως μη αναγνωρισμένη αναπαράσταση της κατεύθυνσης του κεφαλιού, η οποία κωδικοποιείται από ενδονευρώνες σε μια περιοχή του ιππόκαμπου που είναι από τις πρώτες που εμφανίζουν λειτουργικές βλάβες σε άτομα με νόσο Αλτσχάιμερ.
Επιπλέον, το ίδιο δίκτυο είναι σε θέση να προβλέψει συμπεριφορές από διαφορετικούς τύπους καταγραφής σε διάφορες περιοχές του εγκεφάλου, καθώς και να χρησιμοποιηθεί για να συμπεράνει κινήσεις χεριών σε ανθρώπους, κάτι που η ομάδα διαπίστωσε δοκιμάζοντας το δίκτυο σε ένα προϋπάρχον σύνολο δεδομένων εγκεφαλικής δραστηριότητας που καταγράφηκε σε ανθρώπους.
«Αυτή η προσέγγιση θα μπορούσε να μας επιτρέψει στο μέλλον να προβλέψουμε με μεγαλύτερη ακρίβεια γνωστικές διεργασίες υψηλότερου επιπέδου στον άνθρωπο, όπως ηαποκωδικοποίηση εγκεφαλικών σημάτωνσυλλογιστική και η επίλυση προβλημάτων», εξηγεί ο συν-συγγραφέας καθηγητής Κρίστιαν Ντέλλερ.
«Το πλαίσιό μας δίνει τη δυνατότητα στους ερευνητές να αποκτήσουν μια γρήγορη αυτοματοποιημένη ανάλυση των μη επεξεργασμένων νευρωνικών δεδομένων τους, εξοικονομώντας έτσι χρόνο, ο οποίος μπορεί να δαπανηθεί μόνο για τις πιο υποσχόμενες υποθέσεις, χρησιμοποιώντας πιο συμβατικές μεθόδους», πρόσθεσε ο Μάρκους Φρέυ.
ΠΗΓΗ: MedicalXpress
Κάνε like στη σελίδα μας στο Facebook
Ακολούθησε μας στο Twitter
Κάνε εγγραφή στο κανάλι μας στο Youtube
– Αναφέρεται ως πηγή το ertnews.gr στο σημείο όπου γίνεται η αναφορά.
– Στο τέλος του άρθρου ως Πηγή
– Σε ένα από τα δύο σημεία να υπάρχει ενεργός σύνδεσμος