Новую технологию можно применить для мониторинга мозга парализованных пациентов, в том числе для отслеживания признаков эпилепсии, и для обратной связи в реальном времени для контроля роботизированных рук парализованными пациентами.
Сегодня технические и нейробиологические достижения в области интерфейсов «мозг-компьютер» накладывают возрастающие требования к базам данных и программному обеспечению для их обработки, особенно когда речь идёт о работе с данными в реальном времени, получаемыми с большого количества нейронов. Для того, чтобы справиться с этой проблемой, учёные создали масштабируемую программную архитектуру для параллельной записи и обработки данных с использованием стандартных компьютеров. Архитектура показала способность управиться с информацией в реальном времени и обеспечить обратный отклик со скоростью менее 25 миллисекунд. Исследователи уверены, что их разработки подойдут для работы как с существующими, так и с будущими нейрокомпьютерными интерфейсами.
«Заметное преимущество архитектуры и формата данных состоит в том, что для информации не требуется последующего перевода, так как сигналы мозга переводятся напрямую в код», — отмечают исследователи. Благодаря такому подходу, работать с данными может обычный компьютер, а скорость обработки настолько высока.
Инструмент мониторинга больших областей мозга в режиме реального времени может быть использован для исследований, постановки диагнозов и лечения. Особенно он эффективен должен быть для будущих имплантируемых нейрокомпьютерных интерфейсов с обратной связью, которые помогут следить за крупными областями в мозге парализованных пациентов, отслеживать зарождающиеся признаки эпилепсии, а также для контроля парализоваными роботизированных рук.
Система предназначена для регистрации нейронных сигналов от имплантированных электродов. Ниже — пример такого устройства, эластичный биосовместимый электрод, разработанный учёными из Линчёпингского университета (Швеция), имеющий сетку из 32 открытых металлических контактов, которые после имплантации соприкасаются с тканью мозга.
Ниже приведена схема работы системы. Главные часы (a) синхронизируются с принимающими устройствами (b), которые организуют сортировку спайков — регистрируют и классифицируют электрическую активность нейронов, получаемую от субъекта (изображён в виде мордочки мыши) (e), а также сжатие данных. Информация кодируются в сетке данных временных интервалов. В формате HDF5 эта сетка отправляется на хранение (d и f). Последние два пункта пока только планируются.
Существующие решения для записи активности мозга ограничены от 512 до 1024 каналами, что делает сложной их обработку и хранение на персональных компьютерах. Максимальное количество каналов на одного субъекта составило 1792, показатель продолжит расти. В этом направлении работает DARPA: в 2016 года агентство запустило программу для разработки имплантируемых нейроинтерфейсов для получения «беспрецедентного разрешения сигнала и ширины полосы пропускания для передачи информации между человеческим мозгом и электронными системами». Интерфейс должен выступить в роли «переводчика» между электрохимией нейронов и кодом, доступным для обработки компьютерами. В рамках программы Neural Engineering System Design (NESD, «Проектирование нейроинженерных систем») агентство ожидает модернизации инструментов в том числе в целях компенсации зрения и слуха у пациентов: например, визуальная информация должна будет передаваться в цифровом виде в мозг.
Следующим шагом стало заключение DARPA в 2017 году контрактов на создание мозговых имплантов высокого разрешения с пятью научно-исследовательскими организациями и одной коммерческой компанией. Каждый из каналов объединяет информацию с десятков тысяч нейронов, что даёт размытую и зашумлённую картину с низким разрешением. Программа NESD призвана преодолеть этот барьер.
Комментарии (20)
buzzroll
01.04.2018 00:38Отличные новости! Позволяет даже не особо утопически надеяться, что уже на нашем веку широким массам, или хотя бы нам, гикам, станет доступно клонирование и резервное копирование сознания и его состояний.
ivansychev Автор
01.04.2018 00:38-1Здесь отличная дискуссия на эту тему развернулась: geektimes.ru/post/299381
struvv
01.04.2018 17:43там огромное упрощение, так как клетка это не 24 байта, это по сложности комплекс заводов.
savo89
01.04.2018 22:10Там уже написали, что вычислительная машина может эмулировать все что угодно, от работы холодильника до урагана. Но эмулированный в вычислительной машине ураган в пространстве не существует, а если эмулировать работу холодильника в программной среде, то систмный блок компьютера от этого не станет холодильником. Нет механизма трансформации полупроводников в фреон или в ткани головного мозга человека или животного.
maslyaev
01.04.2018 02:27"Невозможно понять пустыню, подсчитывая количество песчинок в ней"
vassabi
01.04.2018 03:07это все устарело.
слава <s>роботам</s> кибернетике!lavmax
01.04.2018 12:27Но и невозможно до конца понять пустыню, не подсчитав количество песчинок в ней. Мне кажется нужны оба подхода — и общий, и детальный.
tvr
01.04.2018 22:11Но и невозможно до конца понять пустыню, не подсчитав количество песчинок в ней.
Т.е. пустыня непостижима в принципе, ибо если подсчёт займёт хоть сколько-нибудь заметный отрезок времени, то он будет заведомо неточным.
Sadler
01.04.2018 16:16-1Само по себе Ваше желание «понять пустыню» сильно отдаёт психоактивными веществами. Берегите себя.
maslyaev
01.04.2018 21:11Это была цитата по памяти из «Чужака» Хайнлайна.
Sadler
01.04.2018 21:27К сожалению, подобного рода афористичные аналогии снижают уровень дискуссии. Хайнлайна, конечно, интересно читать, но большие модели, подобные рассматриваемой в статье, нам просто необходимы, т.к. неясен эффект масштаба в приложении к ИНС. Мы сможем создавать эффективные методы обучения и архитектуру сети под этот масштаб только когда сможем наблюдать результаты их работы на практике.
maslyaev
01.04.2018 21:47Не нужно забывать о том, что ЕНС и ИНС — принципиально разные штуки. Разные принципы функционирования, разные решаемые задачи. Начать хотя бы с того, что, судя по всему, в наших мозгах нигде нет такой штуки, как обратное распространение ошибки.
ИНС — не модель ЕНС. ИНС — это способ алгоритмического решения задачи аппроксимации функций многих переменных, а также архитектурная основа технологий, сводимых к этой самой аппроксимации. То, что по жизни делает ЕНС, ни к какой аппроксимации не сводится. Грешный мир, в котором мы живём, не является функцией многих переменных. Поиск организмом своего жизненного пути не сводится к решению задачи аппроксимации функции по той простой причине, что никакой этой самой функции вообще не существует.Sadler
01.04.2018 22:01в наших мозгах нигде нет такой штуки, как обратное распространение ошибки.
Алгоритмы обучения разнообразны, обратное распространение ошибки — это лишь один из возможных, по большому счёту решаемая задача одна.
Грешный мир, в котором мы живём, не является функцией многих переменных
Вот только мы не воспринимаем мир как таковой, а воспринимаем поток данных от рецепторов, который описывается функцией от конечного числа переменных.
никакой этой самой функции вообще не существует
Фундаментальная ошибка здесь. Избегание боли и стремление к наслаждению и является той самой функцией, которую максимизирует каждое более или менее развитое живое существо на планете. Чувство холода, голода, одиночества и т.п. — это лишь побочные вариации боли как отрицательного подкрепления, заданного эволюцией. От большинства животных нас отличает в основном внутренний диалог, позволивший оперировать абстрактными понятиями вместо прямой реакции.maslyaev
02.04.2018 01:14Избегание боли и стремление к наслаждению и является той самой функцией, которую максимизирует каждое более или менее развитое живое существо на планете.
Всё сложнее. Даже если брать за основу учение старика Эпикура, то всё равно получается не так примитивно.
Кроме того, нервный импульс от болевого рецептора ничем не отличается от нервного импульса от рецептора сладкого вкуса. Как быть с этим?Sadler
02.04.2018 06:47Как быть с этим?
Искать отличия не в рецепторах, а на протяжении всего пути сигнала. Если я прав, то система поощрения должна быть очень стабильной эволюционно оформленной конструкцией внутри мозга, т.к. в прошлом её неполадки должны были приводить к неминуемой гибели организмов. И вот в этом случае вполне может быть стандартное для всех кодирование таких сигналов.
Даже если брать за основу учение старика Эпикура, то всё равно получается не так примитивно.
Сложность идеи не всегда коррелирует с её истинностью. Ненаучные представления людей, живших до н.э, едва ли сильно лучше моих представлений, базирующихся хотя бы на элементарной школьной биологии, научпопе и опыте разработки ИНС.
terek_ambrosovich
01.04.2018 18:38Многое в технологиях стоит не на полном понимании, а на понимании, достаточном для создания/копирования.
Так что пересчёт всех песчинок этой пустини, вполне возможно, и не нужен.
Как и полного понимания когнитивных процессов для того, чтобы «заработало».maslyaev
01.04.2018 21:31Вопрос в том, является ли вообще запись нейронной активности той тропинкой, которая ведёт в сторону хоть какого-нибудь понимания работы мозга. Пока что многие пытались, но толку примерно ноль. Например, Наталья Бехтерева, которая много работала в этом направлении, уткнулась в то, что записать импульсы можно, но насчёт того, как записанное раскодировать, никаких идей. Она прямым текстом писала, что без разгадки секрета мозгового кода двигаться дальше в этом направлении невозможно.
Где-то тут недавно проскакивала статья про то, как нейрофизиологам предложили их методами поизучать компьютер Атари. Они честно сняли электрическую активность отовсюду, куда дотянулись, вывалили кучу статистики, но… в общем, там всё грустно: из этой горы данных не извлекается понимание того, как Атари работает.Sadler
01.04.2018 21:54Никакого универсального кода там может не быть в принципе. Есть данные с рецепторов и эволюционно специализированные типы нейронов, на основе чего обучение с подкреплением создаёт области, приблизительно отвечающие за различные аспекты восприятия и поведения, но не жёстко привязанные к этим функциям. Не знаю, как работает долговременная память, но она могла бы быть напрямую подключена к большому количеству нейронов и срабатывать в узком диапазоне входных данных, переводя области в заранее заданные состояния, ранее приводившие к положительному подкреплению в подобной ситуации.
В таком случае на передний план выходит проблема не устройства, а взаимодействия с этой системой, передачи в неё и получения из неё осмысленных данных. И вот здесь нам очень пригождаются ИНС, которые с одной стороны могут служить преобразователем данных в формат, удобоваримый для мозга посредством обратной связи в том или ином виде, и с другой могут быть заранее контролируемо обучены для получения входных данных определённого вида.
terek_ambrosovich
02.04.2018 15:51Отсутствие доказательства не стоит выдавать за доказательства отсутствия.
У нас нет доказательств, разумеется, что выбранный путь (точнее, любой из выбранных путей) приведёт к тому, что запланировано.
Но прогресс есть.
vassabi
Интересно, какие успехи у Нейралинка — там ведь работают довольно продвинутые спецы (хотя конечно с ДАРПА им трудно потягаться, в разрезе опытов над высшими приматами...)