استارت آپ Neuralink ایلان ماسک اعلام کرده است که رابط مغز و کامپیوتر این شرکت پس از آموزش یک مدل پایه با بیش از 50000 ساعت داده عصبی، توانسته به رکورد 11.32 بیت در ثانیه دست یابد.
گزارش کردن خدمات فناوری یک مرحله ایاین شرکت بیان کرده است که مدل جدید می تواند پایداری رمزگشاهای عصبی را افزایش داده و نیاز به کالیبراسیون مکرر کاربران را به میزان قابل توجهی کاهش دهد.
Neuralink از داده های جمع آوری شده از شرکت کنندگان کارآزمایی بالینی خود برای دستیابی به این نتیجه استفاده کرد. این شرکت رمزگذارهای عصبی خود نظارتی با حجم زیادی از فعالیت الکتریکی مغز را از قبل آموزش داده است تا بتوانند سیگنال های مغزی ضبط شده را به طور مداوم تفسیر کنند.
به گفته Neuralink، برخی از رمزگشاهای ساخته شده با این روش توانسته اند به جای چند روز، چندین هفته بدون افت عملکرد جدی کار کنند. میزان کالیبراسیون مورد نیاز برای برخی از کاربران نیز از حدود 10 دقیقه در روز به حدود 10 دقیقه در هفته کاهش یافته است.
همچنین Neuralink یک ویژگی به نام “نشانگرهای تله پورت” را نشان داده است. در این روش به جای حرکت مداوم در صفحه، اشاره گر مستقیماً به هدفی که کاربر قصد انتخاب آن را دارد منتقل می شود. این شرکت ادعا می کند که سرعت 11.32 bps سریعتر از اکثر افراد غیر معلول است، اگرچه این مقایسه هنوز به طور مستقل تأیید نشده است.
بیشتر بخوانید: قول جدید ایلان ماسک; بازیابی بینایی با تراشه مغزی Neuralink
سر و کار داشتن با سیگنال های مغزی که دائما در حال تغییر هستند
رابط های مغز و رایانه، الگوهای فعالیت عصبی را به دستوراتی تبدیل می کند که می تواند برای کنترل رایانه ها و سایر دستگاه ها استفاده شود. یکی از مشکلات اصلی این فناوری تغییر سیگنال های ثبت شده از نورون ها در طول زمان است. این تغییر می تواند باعث شود که رمزگشایی که قبلاً آموزش دیده است به تدریج دقت خود را از دست بدهد.
ایمپلنت های Neuralink فعالیت الکتریکی نورون ها یا نوک های عصبی را از قشر حرکتی مغز ثبت می کنند. حتی تغییرات کوچک در این سیگنال ها می تواند عملکرد رمزگشا را کاهش دهد و کاربر را مجبور کند تا بارها سیستم را مجددا کالیبره کند.
برای کاهش این مشکل، Neuralink یک مدل پایه برای رابط مغز و کامپیوتر ایجاد کرده است. رمزگذارهای عصبی خود نظارتی این مدل به جای تکیه کامل بر داده های برچسب گذاری شده مرتبط با یک حرکت یا فرمان خاص، الگوهای رایج را از حجم زیادی از فعالیت های عصبی استخراج می کنند.
این شرکت بیان کرد که نمایش های حاصل از مدل حتی زمانی که سیگنال های عصبی فردی تغییر می کنند، کاربرد خود را حفظ می کنند. در نتیجه رمزگشا می تواند قصد حرکت کاربر را برای مدت طولانی تری بدون نیاز به آموزش مجدد تشخیص دهد.
مجموعه داده مورد استفاده برای آموزش این مدل از بیش از 50000 ساعت استفاده توسط شرکت کنندگان در کارآزمایی بالینی Neuralink از ایمپلنت های مغزی به دست آمده است. Neuralink این مجموعه را یکی از بزرگترین مجموعه داده‌های فعالیت عصبی درون قشری می‌داند که تا کنون جمع‌آوری شده است.
بیشتر بخوانید: رانندگی با ویلچر برقی تنها با افکاری که با ایمپلنت مغزی Neuralink امکان پذیر شد + فیلم
کالیبراسیون و مسیر توسعه کمتر برای مدل های جدید
کاهش نیاز به کالیبراسیون می تواند یکی از عوامل مهم در تبدیل رابط های مغز و کامپیوتر به ابزاری برای استفاده روزمره باشد. سیستمی که نیاز به تنظیمات روزانه دارد، استفاده از ایمپلنت را برای کاربر دشوارتر می کند. در مقابل، رمزگشایی که می تواند به طور مداوم برای هفته ها انجام شود، تجربه استفاده از این فناوری را به رابط های رایانه ای معمولی نزدیک می کند.
Nuralink برای اندازه گیری سرعت و دقت کنترل از استاندارد Bitrate بریتانیا استفاده کرده است. این معیار در تحقیقات رابط مغز و کامپیوتر نشان می دهد که کاربر با چه سرعت و دقتی می تواند هدف مورد نظر را انتخاب کند و به سادگی سرعت حرکت فیزیکی اشاره گر را اندازه گیری نمی کند.
این شرکت اکنون قصد دارد داده های عصبی چند شرکت کننده را برای بهبود بیشتر مدل های خود ترکیب کند. همچنین Neuralink در حال بررسی روش های کالیبراسیون تک نمونه و بدون نمونه است. این روش ها می توانند با کمترین کالیبراسیون امکان استفاده از سیستم را برای یک کار جدید یا حتی یک کاربر جدید در آینده فراهم کنند.
در کنار این برنامه ها، Neuralink ایده ایجاد یک “API برای قشر حرکتی مغز” را نیز ارائه کرده است. بر اساس این ایده، نمایش های عصبی مشترک می توانند به یک لایه استاندارد برای تبدیل حرکت مورد نظر انسان به دستورات دیجیتال تبدیل شوند.
این نتایج در قالب یک به روز رسانی فنی توسط نورالینک منتشر شده و هنوز به عنوان یک مطالعه علمی با داوری در یک مجله تخصصی ارائه نشده است.
گفتگو در مورد این post