دانشمندان دانشگاه کالیفرنیا سانفرانسیسکو (UCSF) در منتشر شده اند سلولی یک مطالعه جدید که نشان دهنده یک رابط مغز و رایانه (BCI) است که توسط یادگیری ماشین هوش مصنوعی (AI) مجهز است که قادر به توانمندسازی یک مرد فلج شده برای کنترل یک بازوی روباتیک با استفاده از افکار خود به مدت هفت ماه بدون نیاز به مجدداً است. این مطالعه نشان می دهد پیشرفت قابل توجهی برای رابط های مغز و رایانه با توجه به BCI های قبلی ، پس از تنها یک یا دو روز مطابق با انتشار UCSF ، نیاز به تنظیم دارد.

چرا رابط های مغز و کامپیوتر؟

رابط های مغزی و رایانه این امکان را دارند که فناوری کمکی در حال تغییر زندگی با اهداف متعدد ، از جمله کمک به افراد آسیب دیده مغزی ، صدمات نخاعی ، فلج ، بازماندگان سکته مغزی و اختلالات عصبی باشند.

BCIS ممکن است به کسانی که توانایی حرکت یا صحبت کردن برای کنترل دستگاه های خارجی را با افکار از دست داده اند ، کمک کند. سایر کاربردهای بالقوه برای BCI ها شامل بازی ، مدیریت دستگاه خانه ، ارتباطات و برنامه های بیشتر است. این روند پاسخگو به رشد بازار BCI شامل جمعیت سالخورده ، افزایش توسعه در فناوری کمکی برای کمک به فلج و سایر عوامل است. پیش بینی می شود اندازه بازار BCI با نرخ رشد سالانه 18 ٪ رشد کند و تا سال 2030 به 6.52 میلیارد دلار برسد که طبق تخمین های تحقیقات Grand View ، بیش از دو برابر اندازه فعلی بازار 2.83 میلیارد دلار در سال 2025 است.

چگونه رابط های مغز و کامپیوتر کار می کنند

راه حل های BCIS از اجزای سخت افزار و نرم افزاری تشکیل شده است. مؤلفه سخت افزار BCI را می توان در سه دسته برچسب گذاری کرد. 1) تهاجمی – جراحی مغز و اعصاب یا رباتیک جراحی برای نصب ، 2) تا حدی تهاجمی مانند استنت که از طریق جراحی اندوواسکولار قرار می گیرد ، یا 3) غیر تهاجمی مانند تصویربرداری با رزونانس مغناطیسی عملکردی (FMRI) یا الکتروسفالوگرام (EEG).

الکترودهای سخت افزار BCI ضبط ضبط فعالیت های عصبی را امکان پذیر می کند. این ضبط های مغز از داده های پیچیده و با ابعاد بالا تشکیل شده است. مؤلفه نرم افزاری BCIS فعالیت مغز را به منظور پیش بینی عملکرد مورد نظر کاربر رمزگشایی می کند. تشخیص الگوهای در مقادیر گسترده ای از داده های پیچیده و پر سر و صدا تقریباً یک کار غیرممکن برای انسان است ، اما مناسب برای یادگیری ماشین هوش مصنوعی است.

یک پیشرفت BCI

آنچه این مطالعه UCSF را از هم جدا می کند ، افزایش ثبات طولانی مدت از چند روز به هفت ماه است ، توانایی تنظیم دقیق در شیفت های روزانه در فعالیت مغز با یادگیری تطبیقی ​​AI و این امکان را فراهم می کند تا یک انسان فلج را با تصور حرکت با مغز خود کنترل کند.

“مطالعات در حیوانات نشان می دهد که بازنمایی های عصبی می توانند در ارتباط بین فعالیت و رفتار با گذشت زمان ، تغییر و تغییر را تجربه کنند.”

به گفته USCF ، محققان از مشاهده انعطاف پذیری مغز در حیوانات الهام گرفته شده اند. الگوهای فعالیت عصبی برای حرکات خاص روزانه در طی فرآیند یادگیری تغییر می کند.

یکی از دانشمندان نوشت: “سیستم عصبی ما باید تعادل در حفظ یک نمایشگاه عصبی پایدار از یک کارنامه بزرگ از اقدامات خوب و در عین حال تسهیل یادگیری جدید باشد.” “ما از اصطلاح” نمایندگی “استفاده می کنیم تا به توزیع الگوهای فعالیت در حین عملکرد مکرر یک عمل اشاره کنیم.”

دانشمندان فرض کردند که با استفاده از یادگیری ماشین هوش مصنوعی ، می توان عملکرد BCI را افزایش داد تا تغییرات روزانه عصبی را به دلیل یادگیری حساب کند.

برای آزمایش این فرضیه ، محققان UCSF فعالیت الکتروکورتیکوگرافی (ECOG) را در ناحیه مغز قشر سنسوریموتور سمت چپ از یک شرکت کننده مطالعه که کنترل عضلات مورد نیاز برای صحبت کردن (Anarthria) و ضعف شدید عضلات هر دو پا و بازوها را از دست داده بود ، ثبت کردند.

موضوع مورد مطالعه یک مرد 41 ساله بود که سالها سکته مغزی داشت و ویلچر را با فلج کامل با لیمب پایین ، از دست دادن کنترل عضلات مورد نیاز برای صحبت (آناتریا) ، کم و بدون توانایی برای حرکات اندام فوقانی و ضعف شدید عضلات هر دو پا و بازوها (تتراپارز) قرار داد.

BCI تهاجمی از طریق جراحی مغز و اعصاب کاشته شد. شرکت کننده یک آرایه الکتروکورتیکوگرافی 128 کانال (ECOG) شرکت PMT داشت تا داده های فعالیت عصبی را در منطقه مغز قشر سنسوریموتور سمت چپ ارسال کند تا توسط BlackRock Neurotech به یک سیستم BCI متصل شود. از یادگیری ماشین AI برای رمزگشایی فعالیت عصبی پیچیده استفاده شد.

محققان نوشتند: “ما از رابط های داخل مغزی و رایانه ای (BCI) بر اساس الکتروکورتیکوگرافی mesoscale (ECOG) برای درک اصول ثبات و انعطاف پذیری بازنمایی استفاده می کنیم.”

سنسورهای مغز سوژه در حین تمرین ذهنی تصور حرکت قسمتهای مختلف بدن ، فعالیت عصبی را به خود جلب کردند. محققان دریافتند که شکل کلی بازنمایی مغز از این حرکات تغییر نمی کند ، اما مکان ها کمی روز به روز متفاوت است.

برای آموزش مدل AI ، داده های فعالیت مغز طی دو هفته ضبط شد در حالی که شرکت کننده تصور می کرد دست ، انگشتان یا انگشت شست خود را حرکت دهد. وی برای بهبود توانایی شرکت کننده در کنترل بازوی روباتیک با استفاده از افکار خود ، ابتدا روی یک بازوی ربات مجازی تمرین کرد که بازخوردی در مورد دقت عملکرد ارائه می داد. پس از یادگیری نحوه کنترل یک بازوی ربات مجازی با استفاده از افکار ، شرکت کننده شروع به تمرین روی یک بازوی واقعی روبات کرد.

عمل استفاده از بازوی ربات مجازی ، توانایی سوژه را در استفاده از بازوی روبات واقعی برای انجام کارهایی مانند درک ، دستیابی ، حمل و نقل و دستکاری اشیاء و موارد دیگر تسریع کرد. محققان قصد دارند به بهبود سرعت و سیالیت حرکتی مدل AI و همچنین تجزیه و تحلیل عملکرد BCI در یک خانه ، خارج از محیط آزمایشگاه بپردازند.

یادگیری ماشین AI در حال تسریع عملکرد رابط مغز و رایانه است. با داشتن فناوری کمکی در حال تغییر زندگی در آینده ای نه چندان دور پیش رو ، یک امید امید به کسانی که از اختلالات عصبی ، آسیب های مغزی و نخاعی و سایر ناتوانی ها رنج می برند ، ارائه می دهد.

کپی رایت © 2025 Cami Rosso کلیه حقوق محفوظ است.