ТПС: Пробив на израелски учени в областта на изкуствения интелект може да допринесе за развитието на интерфейсите мозък-компютър

Израелски учени разработиха модел с изкуствен интелект, който възстановява изображения въз основа на мозъчната активност, като за целта са необходими само около час мозъчни сканирания на нов участник. Същевременно моделът е позволил да бъдат установени неизвестни досега функционални подразделения в областите на мозъка, участващи в обработката на зрителната информация, предаде израелската новинарска агенция ТПС.
Моделът, наречен „Брейн-ИТ" (Brain-IT), е разработен от екип под ръководството на проф. Михал Ирани от Научния институт „Вайцман“ (Weizmann Institute of Science). За разлика от съществуващите системи, които изискват десетки часове мозъчни сканирания, за да се адаптират към нов човек, „Брейн-ИТ" разпознава общи закономерности в мозъчната активност на различни хора. Това му позволява да възстановява изображения с по-голяма точност и с по-малко обучение.
Освен за възстановяване на изображения технологията може да помогне на учените да разберат как мозъкът организира зрителната информация. Тя би могла също да допринесе за разработването на интерфейси мозък-компютър, които изискват по-малко обучение, макар практическите медицински приложения все още да са далеч от реализация.
„Вече съществуват модели, които преобразуват мозъчната активност в изображения, и те дори могат да създават впечатляващи възстановки, които сравнително добре запазват смисловото съдържание на оригиналното изображение“, заяви Ирани. „Те обаче често допускат грешки при основни характеристики, като композицията и цветовете.“
„Новият модел, който разработихме, ги превъзхожда както при възстановяването на съдържанието на изображението, така и при възпроизвеждането на детайлите“, добави тя. „Нещо повече, докато всички останали модели се нуждаят от десетки часове мозъчни сканирания, за да се научат да „разчитат“ мозъчната активност на нов човек, на нашия модел му е необходим само един час.“
Изследването е избрано за представяне тази година на Международната конференция за обучение на представяния (International Conference on Learning Representations) – един от водещите научни форуми в областта на изкуствения интелект.
КАК ИЗКУСТВЕНИЯТ ИНТЕЛЕКТ СЕ УЧИ ДА РАЗЧИТА МОЗЪЧНАТА АКТИВНОСТ
Една от основните пречки в тази област е недостигът на данни за обучение. Учените се нуждаят от изображения, съпоставени със сканирания чрез функционален магнитно-резонансен образен метод (fMRI), който измерва промените в мозъчната активност, докато хората разглеждат снимки. Събирането на подобни данни изисква участниците да прекарват много часове в апарати за магнитно-резонансна томография.
Използваният в изследването публично достъпен набор от данни „Нечъръл Сийнс Дейтасет" (Natural Scenes Dataset) съдържа около 73 000 двойки изображения и съответстващи мозъчни сканирания от осем участници, всеки от които е разгледал хиляди изображения в рамките на 30 до 40 сеанса на сканиране.
За да преодолее това ограничение, екипът разработил две взаимно допълващи се системи: енкодер, който прогнозира мозъчната активност въз основа на изображение, и декодер, който възстановява изображение въз основа на мозъчната активност.
Енкодерът генерирал прогнозни данни от мозъчни сканирания за изображения, които участниците никога не били виждали, докато се намират в апарат за магнитно-резонансна томография. След това декодерът се опитвал да възстанови тези изображения въз основа на прогнозните данни. Така системите можели да се обучават с допълнителни примери, без да са необходими нови сканирания за всяко изображение.
Изследователите разделили мозъка на приблизително 40 000 малки триизмерни единици, наречени воксели, и сравнили реакциите им към различни изображения при отделните участници. Това разкрило повтарящи се закономерности, свързани със зрителни характеристики като цвят, местоположение и разпознаваеми обекти.
Енкодерът идентифицирал 128 функционални области, общи за различните хора, които изглежда изпълняват определени роли при обработката на зрителната информация. Някои от тях вече били известни на учените, докато други били установени за първи път.
Едно от откритията било свързано с парахипокампалната област за разпознаване на места - мозъчна област, участваща в обработката на информация за места и сцени. Изследователите открили доказателства за функционално разделение в рамките на тази област, като една част реагирала на изображения на закрити пространства, а друга на изображения на открити пространства.
„Силата на енкодера се състои в способността му да идентифицира области, които изпълняват сходни функции в различни мозъци, дори когато анатомичното им разположение е различно“, заяви Ирани.
В близко бъдеще „Брейн-ИТ" би могъл да помогне на учените да изследват обработката на зрителната информация, като същевременно намали необходимостта от скъпоструващи и продължителни сканирания. Способността му да открива общи закономерности в мозъчната активност на различни хора може също да подпомогне разработването на интерфейси мозък-компютър, които изискват по-малко обучение, за да се адаптират към нови потребители. Необходими са допълнителни изследвания.
(Тази информация се разпространява по споразумение между БТА и ТПС)