Software que descifra el cerebro muy cerca

Fecha:
18 de agosto de 2017
Fuente:
Universidad de Friburgo
Resumen:
Filtrar información para los motores de búsqueda, actuar como un oponente durante un juego de mesa o reconocer imágenes: La inteligencia artificial ha superado con creces la inteligencia humana en ciertas tareas. Los investigadores están mostrando cómo las ideas de la informática podrían revolucionar la investigación del cerebro. Ellos ilustran cómo un algoritmo de auto-aprendizaje decodifica las señales cerebrales humanas que fueron medidas por un electroencefalograma (EEG).

Las redes neuronales artificiales descodifican la actividad cerebral durante los movimientos realizados e imaginados

Filtrar información para los motores de búsqueda, actuar como un oponente durante un juego de mesa o reconocer imágenes: La inteligencia artificial ha superado con creces la inteligencia humana en ciertas tareas. Varios grupos del clúster de excelencia de Friburgo, BrainLinks-BrainTools, dirigidos por el profesor de neurociencia privado Dr. Tonio Ball, están mostrando cómo las ideas de la informática podrían revolucionar la investigación del cerebro. En la revista científica Human Brain Mapping, ilustran cómo un algoritmo de autoaprendizaje decodifica las señales cerebrales humanas que se midieron mediante un electroencefalograma (EEG).

Incluía movimientos realizados, pero también movimientos de manos y pies que eran meramente pensados, o una rotación imaginaria de objetos. A pesar de que el algoritmo no recibió ninguna característica antes de tiempo, funciona tan rápido y precisamente como los sistemas tradicionales que han sido creados para resolver ciertas tareas basadas en características de señales cerebrales predeterminadas, que por lo tanto no son apropiadas para cada situación.

La demanda de intersecciones tan diversas entre humanos y máquinas es enorme: en el Hospital Universitario de Friburgo, por ejemplo, podría utilizarse para la detección temprana de crisis epilépticas. También podría utilizarse para mejorar las posibilidades de comunicación para los pacientes gravemente paralizados o un diagnóstico neurológico automático.

“Nuestro software se basa en modelos inspirados en el cerebro que han demostrado ser más útiles para descifrar diversas señales naturales como los sonidos fonéticos”, dice el científico de computación Robin Tibor Schirrmeister. El investigador lo está utilizando para reescribir los métodos que el equipo ha utilizado para decodificar datos de EEG: Las llamadas redes neuronales artificiales son el corazón del proyecto actual en BrainLinks-BrainTools. “La gran cosa sobre el programa es que no es necesario predeterminar las características.La información es la capa procesada para la capa, es decir, en múltiples pasos con la ayuda de una función no lineal.El sistema aprende a reconocer y diferenciar entre ciertos patrones de comportamiento de varios movimientos a medida que avanza “, explica Schirrmeister. El modelo se basa en las conexiones entre las células nerviosas en el cuerpo humano en el que las señales eléctricas de las sinapsis se dirigen desde las protuberancias celulares al núcleo de la célula y viceversa. “Las teorías han estado en circulación durante décadas, pero no fue hasta el surgimiento de la potencia de procesamiento de computadoras de hoy que el modelo se ha hecho factible”, comenta Schirrmeister.

Habitualmente, la precisión del modelo mejora con un gran número de capas de procesamiento. Hasta 31 se utilizaron durante el estudio, también conocido como “Aprendizaje Profundo”. Hasta ahora, había sido problemático interpretar los circuitos de la red después de completar el proceso de aprendizaje. Todos los procesos algorítmicos tienen lugar en el fondo y son invisibles. Es por eso que los investigadores desarrollaron el software para crear tarjetas a partir de las cuales podían entender las decisiones de decodificación. Los investigadores pueden insertar nuevos conjuntos de datos en el sistema en cualquier momento. “A diferencia del método antiguo, ahora podemos ir directamente a las señales crudas que el EEG registra del cerebro, nuestro sistema es tan preciso, si no mejor, que el antiguo”, dice el investigador jefe Tonio Ball, resumiendo el estudio contribución a la investigación. El potencial de la tecnología aún no se ha agotado – junto con su equipo, el investigador desea continuar su desarrollo: “Nuestra visión para el futuro incluye algoritmos de autoaprendizaje que pueden confiable y rápidamente reconocer las diversas intenciones del usuario basadas en su cerebro Además, estos algoritmos podrían ayudar a los diagnósticos neurológicos “.

University of Freiburg. “Artificial neural networks decode brain activity during performed and imagined movements.” ScienceDaily. ScienceDaily, 18 August 2017. <www.sciencedaily.com/releases/2017/08/170818102311.htm>.

Facebook Comments