Trí tuệ nhân tạo giải mã những gì chuột nhìn có thể cải thiện BCI tương lai, theo các nhà nghiên cứu cho biết

Một công cụ trí tuệ nhân tạo giải mã những gì chuột nhìn có thể cải thiện giao diện não-máy tương lai, theo một nghiên cứu mới.

Được đặt tên là CEBRA, hệ thống này được phát triển bởi các nhà nghiên cứu tại EPFL, một trường đại học tại Thụy Sĩ. Mục tiêu của họ? Khám phá mối quan hệ ẩn giữa não và hành vi.

Để kiểm tra CEBRA (đọc là “zebra”), nhóm nghiên cứu đã cố gắng giải mã những gì một con chuột nhìn khi nó xem một video.

“Vì não là cấu trúc phức tạp nhất trong vũ trụ của chúng ta, đó là thử nghiệm cuối cùng cho CEBRA.

Đầu tiên, các nhà nghiên cứu đã thu thập dữ liệu não mã nguồn mở về các loài gặm nhấm xem phim. Một số hoạt động não đã được đo bằng cảm biến điện ở vỏ thị giác của chuột. Phần còn lại đến từ cảm biến quang học của chuột được sửa gen, được thiết kế để các tế bào thần kinh phát sáng màu xanh khi được kích thích.

Tất cả dữ liệu này đã được sử dụng để huấn luyện thuật toán cơ bản trong CEBRA. Do đó, hệ thống đã học cách ánh xạ hoạt động não vào các khung cụ thể trong video.

Tiếp theo, nhóm áp dụng công cụ cho một con chuột khác đã xem video. Sau khi phân tích dữ liệu,  CEBRA có thể dự đoán chính xác những gì con chuột đã nhìn từ tín hiệu não một mình.

Sau đó, nhóm tái tạo lại đoạn clip từ hoạt động não. Bạn có thể xem kết quả trong video dưới đây:

Không ngạc nhiên, các nhà nghiên cứu không chỉ quan tâm đến thói quen xem phim của gặm nhấm.

“Mục tiêu của CEBRA là khám phá cấu trúc trong các hệ thống phức tạp. Và, với bởi não là cấu trúc phức tạp nhất trong vũ trụ của chúng ta, đó là không gian thử nghiệm tối ưu cho CEBRA,” nói Mackenzie Mathis của EFPL, người điều tra chính của nghiên cứu.

“Nó cũng có thể mang lại cái nhìn cho chúng ta về cách não xử lý thông tin và có thể là nền tảng để khám phá nguyên tắc mới trong thần kinh học bằng cách kết hợp dữ liệu trên nhiều động vật, thậm chí là giữa các loài khác nhau.”

CERA cũng không bị giới hạn trong nghiên cứu thần kinh học. Theo Mathis, nó cũng có thể được áp dụng vào nhiều bộ dữ liệu liên quan đến thời gian hoặc thông tin chung, bao gồm dữ liệu hành vi động vật và gen. Nhưng có lẽ ứng dụng thú vị nhất là trong các giao diện não-máy (BCIs).

Như con chuột mê phim đã cho thấy, thậm chí vỏ thị giác chính — thường được coi là chỉ chứa xử lý hình ảnh cơ bản — có thể được sử dụng để giải mã video theo kiểu BCI. Đối với các nhà nghiên cứu, bước tiếp theo rõ ràng là sử dụng CEBRA để cải thiện giải mã não trong BCIs.

“Công việc này chỉ là một bước tiến hướng các thuật toán được lý thuyết hỗ trợ cần thiết trong công nghệ thần kinh để kích thích BMIs hiệu suất cao,” Mathis nói.

Bạn có thể đọc toàn bộ bài báo nghiên cứu tại Nature.