Yeni yazılım 'dijital beyin verilerini çözme'

Soygun derlemesi, Princeton Üniversitesi ve Intel'in en büyük bilgisayar işlemcisi üreticisi olan araştırmacıların, kişinin bunu düşünürken gerçek zamanlı olarak ne düşündüğünü söyleyebilen bir yazılım oluşturmak için organize oldukları birkaçı arasında yer aldı.

Princeton ve Intel'deki araştırmacılar arasındaki işbirliği, nöral aktivitenin öğrenmeyi, hafızayı ve diğer bilişsel işlevleri nasıl arttırdığını ortaya çıkarmak için fonksiyonel manyetik rezonans görüntüleme (fMRI) kullanılarak taranan dijital beyin verilerini çözme yeteneği üzerinde hızlı ilerleme sağlamıştır.

Beyin taramalarının çözümlenmesine yönelik hesaplamalı ilerlemelere ilişkin bir gözden geçirme, Nature Neuroscience dergisinde , Intel'in araştırma kolu Intel Labs'taki meslektaşları ile birlikte, Princeton Neuroscience Enstitüsü ve Princeton'ın bilgisayar bilimleri ve elektrik mühendisliği bölümlerinde araştırmacılar tarafından hazırlandı.

Robert Bendheim'ın Jonathan Cohen ve Neuroscience'deki Lynn Bendheim Thoman Profesörü, "Beyni gerçek zamanlı olarak izleyebilme kapasitesi beyindeki bozuklukların teşhisi ve tedavisinin yanı sıra zihnin nasıl çalıştığına dair temel araştırmaların iyileştirilmesi için muazzam bir potansiyele sahiptir" Princeton Neuroscience Enstitüsünün eş direktörü ve Intel ile olan işbirliğinin kurucu üyelerinden biri.

İki yıl önce yapılan işbirliğinin başlangıcından bu yana araştırmacılar, aynı zamanda bir psikoloji profesörü olan Cohen, düşüncelerini günlerden bir saniyeden daha kısa bir sürede beyin taramasından çıkarmak için gereken süreyi kısaltıyorlar dedi.

Düşüncelerin gerçek zamanlı kod çözülmesinden fayda sağlayan deneylerden bir tanesi hackathon sırasında meydana geldi. Şu anda Northeastern Üniversitesi'nde asistan profesör olan Princeton Neuroscience Enstitüsünde eski bir doktora sonrası araştırmacı olan J. Benjamin Hutchinson tarafından tasarlanan çalışma, bir kişi çevreye dikkat edildiğinde beyindeki faaliyeti keşfetmeyi amaçladı; Dikkatini başka düşüncelere ya da anılara dolaşıyor.

Deneyde Hutchinson, kalabalık bir kafede detaylarla dolu bir resme bakmak için bir araştırma gönüllüye, fMRI tarayıcısında uzanan bir lisans öğrencisine sordu. Konsol odasındaki bilgisayarından Hutchinson, lisansüstü öğrencinin resme dikkat edip etmediğini veya aklının iç düşüncelere sürüklenip durmadığını gerçek zamanlı olarak anlayabiliyordu. Hutchinson, lisansüstü öğrenciye, zihni resim üzerinde yoğunlaştığı zaman resmi daha net ve daha güçlü hale getirerek dikkatini çektiğinde resmini solarken dikkati ne kadar iyi aldığı konusunda geribildirim verebilir.

Sürmekte olan işbirliği, daha verimli bilgisayar algoritmaları ve işleme yöntemleri dizayn etmek isteyen beyin ve bilgisayar bilimcileri hakkında daha fazla bilgi edinmek isteyen sinirbilimcilere, Hillsboro'daki Intel Laboratuarlarında kıdemli bir ana mühendisi olan Theodore Willke'ye göre hızlı bir şekilde veri kümelerini hızlandırmak için yararlandı. , Oregon ve Intel'in Zihinsel Göz Laboratuarının başında. Willke, Intel'in işbirlikçi ekibinin bir bölümünü yönlendiriyor.

Willke, "Intel, yüksek performanslı bilgisayar kullanımı için ortaya çıkan uygulamalar üzerinde çalışmak ve Princeton ile olan işbirliği, bize yeni zorluklar önermişti" dedi. "Ayrıca daha güvenli özerk sürüş, daha hızlı ilaç keşfi ve daha doğru bir şekilde kanser tespiti gibi diğer önemli hedefleri ilerletme amacıyla insan zekası ve biliş çalışmalarından öğrendiklerimizi makine öğrenimi ve yapay zekaya dönüştürmeyi umuyoruz" dedi.

Yirmi yıl önce fMRI'nin icadından beri, araştırmacılar her taramada muazzam miktarda veriyi tarama yeteneğini geliştirmektedir. Bir fMRI tarayıcısı, düşündüğümüz gibi beynin anlık olarak gerçekleşen kan akışındaki değişikliklerden gelen sinyalleri yakalar. Ancak bu ölçümlerden bir insanın sahip olduğu gerçek düşünceleri okumak zor bir iştir ve gerçek zamanlı olarak yapmak daha da zorlayıcıdır.

Bu verilerin işlenmesine yönelik bir takım teknikler Princeton ve diğer kurumlarda geliştirilmiştir. Örneğin, Princeton'daki Gordon YS Wu Mühendislik Profesörü ve Princeton'daki elektrik mühendisliği profesörü Peter Ramadge'nin çalışmaları, araştırmacılara, düşüncelerle ilişkili olan beyin aktivite kalıplarını, birden fazla kişiden gelen beyin taramaları verileriyle birleştirerek bulmalarını sağladı. Bu analizleri gerçekleştirmek için bilgisayarlı talimatların veya algoritmaların tasarlanması önemli bir araştırma alanı olmaya devam etmektedir.

Güçlü yüksek performanslı bilgisayarlar, görevi paralel olarak işleyebilecek parçalara bölünerek bu analizlerin yapılması için gereken süreyi kısmanıza yardımcı olur. Princeton'ın Paul M. Wythes '55 P86 ve Marcia R. Wythes P86 Bilgisayar Bilimleri Profesörü ve kurucularından biri olan Kai Li'ye göre, daha iyi algoritmalar ve paralel hesaplama kombinasyonu, işbirliğinin gerçek zamanlı beyin tarama işlemini gerçekleştirmesini sağladı. Işbirliğinin.

Intel, 2015'teki işbirliğinin başlangıcından bu yana Princeton'a, 1.5 milyondan fazla bilgisayar donanımı ve Princeton lisansüstü öğrencisi ve doktora sonrası araştırmacı için destek katkıda bulunmuştur. Intel, Princeton ile birlikte bu proje üzerinde çalışan 10 bilgisayar bilimcisi istihdam eder ve bu uzmanlar yazılımı geliştirmek için Princeton fakülte, öğrenciler ve postdocs ile yakından çalışırlar.

Bu algoritmalar, yüz tanıma yazılımının Facebook gibi sosyal medya platformlarında arkadaş bulmaya yardımcı olması için kullandığı yöntem olan makine öğrenmeyi kullanarak verilerdeki düşünceleri belirler. Makine öğrenimi, bilgisayarları daha önce hiç görmediği yeni nesneleri sınıflandırabilecek şekilde yeterli örneklere maruz bırakmayı içerir.

İşbirliğinin sonuçlarından biri, fMRI verilerini işlemek isteyen araştırmacılara Internet üzerinden açıkça erişilebilen Beyin Görüntüleme Analizi Kiti (BrainIAK) adı verilen bir yazılım araç kutusu oluşturulması olmuştur. Ekip şimdi gerçek zamanlı bir analiz hizmeti oluşturmak için çalışıyor. "Fikir, yüksek performanslı bilgisayarlara erişimi olmayan ya da analizlerini bu bilgisayarlarda çalıştırmak için nasıl bir yazılım yazacağını bilmeyen araştırmacıların bile beyin taramalarını gerçekte çözmek için bu araçları kullanabilecek olmaları" Zaman "dedi Li.

Bu bilim insanlarının beyni hakkında öğrendikleri, bireylerin dikkat etmeyle ilgili zorluklarla mücadele etmesine veya derhal geribildirimden yararlanan diğer koşullara yardımcı olabilir.

Örneğin, gerçek zamanlı geri besleme, hastaların müdahaleci anıları zayıflatmak için beyinlerini eğitmelerine yardımcı olabilir. Cohen, bu tür "beyin eğitimi" yaklaşımlarının, beynin yeni modeller öğrenip öğrenme egzersizi yaparken iyi olmadıklarından emin olmak için ek doğrulamaya ihtiyacı olduğu halde, bu geri bildirim yaklaşımları yeni terapiler için potansiyel sunduğunu belirtti. Beynin gerçek zamanlı analizi de klinisyenlerin teşhis koymalarına yardımcı olabilir, dedi.

Psikoloji profesörü ve Princeton Neuroscience Enstitüsü Kenneth Norman, beynin gerçek zamanlı olarak çözülmesinin temel beyin araştırmalarında da uygulamaları olduğunu söyledi. Norman, "Bilişsel sinirbilimciler olarak, beyinlerin düşünceye nasıl tepki verdiğini öğrenmekle ilgileniyoruz" dedi. "Bunu gerçek zamanlı olarak yapabilmek, yapabileceğimiz bilim alanını büyük ölçüde artırıyor" dedi.

Teknolojinin kullanılabileceği bir başka yol da öğrenme şeklimizin incelenmesidir. Örneğin, bir kişi bir matematik dersini dinlediğinde, bazı sinir desenleri etkinleştirilir. Araştırmacılar, Norman'a göre, matematik dersini anlayan insanların sinir desenlerine bakabilir ve aynı zamanda takip etmeyen birinin sinirsel modellerinden nasıl farklı olduklarını görebilirler.

Halen devam eden işbirliği, insanların ne düşündüğüne dair daha net bir pencere elde etmek için, örneğin bir kişinin zihinsel olarak görselleştirdiği yüzdeki belirli kimliğini gerçek zamanlı olarak çözmek için teknolojiyi geliştirme üzerinde yoğunlaştı.

Bilgisayar bilim adamlarının üstesinden gelmek zorunda olduğu zorluklardan biri, makine öğrenimini beyin taramalarıyla üretilen verilere nasıl uygulayacaklarıdır. Bir yüz tanıma algoritması, yeni yüzlerin nasıl sınıflandırılacağını öğrenmek için yüz binlerce fotoğrafı tarayabilir ancak insanların beyinlerini taramanın lojistiği, araştırmacıların genellikle kişi başına birkaç yüz taramaya erişebilecekleri şekildedir.

Tarama sayısı az olmasına rağmen, her tarama zengin bir veri deposu içerir. Yazılım beyin görüntülerini her biri bir milimetre genişliğinde küçük küplere böler. Voksel olarak adlandırılan bu küpler, iki boyutlu bir resimdeki piksellere benzemektedir. Her küpteki beyin aktivitesi sürekli değişiyor.

Konuyu daha karmaşık yapmak için düşüncelerimizi doğuran beyin bölgeleri arasındaki bağlantılar budur. Tipik bir tarama 100.000 voksel içerebilir ve her voksel diğer tüm voksellerle konuşabiliyorsa olası konuşmaların sayısı muazzamdır. Ve bu konuşmalar saniyede ikinci olarak değişiyor. Intel ve Princeton bilgisayar bilimcilerinin işbirliğiyle bu hesaplama zorluğu üstesinden geldi. Çaba yanı sıra Barbara Engelhardt, bilgisayar bilimleri asistan profesörü Barbara Engelhardt ve 2016 yılında Princeton'dan bilgisayar biliminde doktorasını edindiği Yida Wang, şimdi Intel Labs'ta çalışıyordu.

Princeton'daki psikoloji profesörü Nicholas Turk-Browne, son gelişmeden önce bir veri setini analiz etmek için araştırmacıların aylar sürmesi gerektiğini söyledi. Bir araştırmacı, gerçek zamanlı fMRI'nin varlığı ile deney sürerken değiştirebilir. "Benim hipotezim beyindeki belirli bir bölgeyle ilgiliyse ve gerçek zamanlı olarak deneyimin o beyin bölgesini etkilemediğini algılarsam, o zaman araştırmanın gönüllüden istediği şeyi o bölgeyi daha iyi angaje etmek için değiştirebilir ve böylece değerli zamandan tasarruf edebilir ve Bilimsel keşfi hızlandırdığını "söyledi.

Nihai bir amaç, insanların düşüncelerinden resimler çıkarabilmektir, dedi Turk-Browne. "Eğer tarayıcıdaysanız ve çocukluğunuzdan gibi özel bir bellek alıyorsanız, o tecrübenin bir ekranda fotoğrafını çekmeyi umuyoruz, hala çok uzakta ancak iyi ilerliyoruz" dedi.