Naukowcy uzyskują większy wgląd w działanie naszych mózgów
Naukowcy z Cognitive Computational Neuroscience Group na FAU zwrócili uwagę na zdolność mózgu do kodowania predykcyjnego, która jest niezbędna dla zachowań adaptacyjnych. Wykorzystując sztuczną inteligencję i dane pochodzące od pacjentów z padaczką, odkryli, że spontaniczne działania mózgu odgrywają kluczową rolę w przetwarzaniu informacji przez mózg bez bodźców zewnętrznych. Odkrycia te mogą ulepszyć metody diagnostyki i leczenia chorób mózgu oraz zainspirować technologie sztucznej inteligencji naśladujące funkcje mózgu.
Kodowanie predykcyjne i funkcjonowanie mózgu
Co będzie dalej w zdaniu? Co zobaczę dalej? Jak zmienia się środowisko, kiedy to robię i co dzieje się z moim ciałem, kiedy to robię? Ludzki mózg jest stale zajęty, na wszystkich poziomach złożoności i abstrakcji, przewidywaniem tego, co stanie się dalej. Znane jako kodowanie predykcyjne, jest uważane za jedno z głównych zadań ludzkiego nadorganu, umożliwiające zachowanie adaptacyjne i pozwalające nam odnaleźć się w naszym otoczeniu.
Doktor Patrick Krauss i dr Achim Schilling z Cognitive Computational Neuroscience Group przy katedrze informatyki 5 Pattern Recognition na FAU zdołali podkreślić tę szeroko rozpowszechnioną hipotezę i wnieść nowe wnioski do swoich niedawnych badań.
Innowacyjne badanie w dziedzinie neurologii
Dwaj fizycy i neurobiolodzy przeanalizowali spontaniczną aktywność ludzkiego mózgu za pomocą autoenkoderów, zaawansowanej formy sztuczna inteligencja umożliwia dostrzeżenie wzorców i powiązań w złożonych ilościach danych dostarczanych przez nasz mózg, co byłoby nieosiągalne przy użyciu bardziej tradycyjnych metod. Było to możliwe dzięki ich współpracy z badaczami z Centrum Padaczki w Uniklinikum Erlangen (prelegent: prof. dr med. Hajo Hamer). Pacjentom z padaczką w Centrum przed chirurgicznym usunięciem ognisk padaczkowych do mózgu wszczepiane są elektrody.
Korzystając ze szczególnie rzadkich, a zatem szczególnie cennych danych, naukowcy dokonali odkrycia, które doprowadziło do przełomowych wyników: pewne spontaniczne działania w naszym mózgu, znane jako zdarzenia lokalnego potencjału pola (LFP), były w stanie dostarczyć decydujących wskaźników dotyczących tego, jak nasz mózg praca. Wydaje się, że te spontaniczne sygnały odgrywają ważną rolę w przetwarzaniu informacji przez nasz mózg nawet przy braku bodźców zewnętrznych.
Wnioski ze spontanicznej aktywności mózgu
„W naszym badaniu zdaliśmy sobie sprawę, że nasze mózgi stale przechodzą przez stany aktywne określone przez te LFP. To tak, jakby nasze mózgi nieustannie rozważały różne opcje dotyczące tego, co może się wydarzyć dalej, nawet jeśli w danym momencie nie robimy ani nie postrzegamy niczego konkretnego i nie otrzymujemy żadnych bodźców zewnętrznych” – podkreśla dr Patrick Krauss.
„Odkryliśmy również, że forma tych LFP może determinować kierunek przepływu informacji w mózgu. Może nam to dostarczyć ważnych informacji na temat sposobu przetwarzania myśli i uczuć w naszym umyśle” – dodaje dr Achim Schilling.
Postęp w badaniach mózgu dzięki sztucznej inteligencji
Odkrycia, które nie tylko otwierają nowe możliwości badań, ale mogą również prowadzić do opracowania lepszych metod diagnozowania i leczenia chorób mózgu. Te metody oparte na sztucznej inteligencji można również stosować w połączeniu z normalnymi pomiarami EEG lub MEG, podczas których do powierzchni czaszki przyczepia się elektrody w celu pomiaru aktywności mózgu.
„Wiedza o tym, co zwykle robi nasz mózg w spoczynku, może zostać dobrze wykorzystana do celów diagnostycznych. Jeśli uda nam się uzyskać coraz lepsze zrozumienie tego, jak pracuje nasz mózg i przetwarza informacje, umożliwi nam to opracowanie bardziej szczegółowych metod diagnozowania i leczenia chorób neurologicznych” – podkreśla dr Achim Schilling. „Jeśli np. mózg wejdzie w stan, który nie koreluje z bodźcami zewnętrznymi, może to wskazywać na zmiany patologiczne”.
Sztuczna inteligencja i neuronauka: podejście synergiczne
Chociaż sztuczna inteligencja jest wykorzystywana jako narzędzie, wyniki badania przeprowadzonego przez dwóch badaczy z FAU mogą również pomóc w dalszym rozwoju sztucznej inteligencji. Cel długoterminowy: sztuczna inteligencja inspirowana neuronauką, zdolna do ciągłego przewidywania, nawet jeśli obecnie nie przetwarza żadnych danych wejściowych. „Może to być szczególnie przydatne na przykład w systemach sztucznej inteligencji wbudowanych w pojazdy, zwłaszcza gdy należy pamiętać o bezpieczeństwie” – wyjaśnia dr Achim Schilling.
Dr Patrick Krauss kontynuuje: „Nawet jeśli ruch na drodze jest niewielki, a samochód jedzie tylko na wprost po autostradzie, korzystne byłoby, aby sztuczna inteligencja rozważyła w tle, jakie zdarzenia drogowe mogą wystąpić, co może potencjalnie mieć zareagować.”
Badanie przeprowadzone przez dr Patricka Kraussa i dr Achima Schillinga pokazuje zatem, że synergiczne połączenie między sztuczną inteligencją a badaniami nad mózgiem jest w stanie poszerzyć granice tego, co wiadomo na temat procesów poznawczych i funkcjonowania mózgu, ostatecznie prowadząc do nowych, innowacyjnych podejść w diagnostyce medycznej i terapia.
Rosnąca fuzja technologii i badań mózgu wskazuje również, jak decydujące znaczenie mają podejścia interdyscyplinarne w dekodowaniu złożonych systemów występujących w przyrodzie. Dzięki swoim odkryciom badacze z FAU zbliżają się do lepszego zrozumienia być może najbardziej złożonego ze wszystkich systemów: ludzkiego mózgu.
Odniesienie: „Dekodowanie w oparciu o głębokie uczenie się potencjalnych zdarzeń pojedynczego pola lokalnego” autorstwa Achima Schillinga, Richarda Geruma, Claudii Boehm, Jwana Rasheeda, Clausa Metznera, Andreasa Maiera, Caroline Reindl, Hajo Hamera i Patricka Kraussa, 21 czerwca 2024 r., NeuroObraz.
DOI: 10.1016/j.neuroimage.2024.120696
