Un esperimento dell’Università di Washington ricercatori sta preparando il terreno per i progressi nella tecnologia di lettura della mente. Utilizzo di impianti cerebrali e un sofisticato software, i ricercatori possono ora prevedere ciò che i loro soggetti sono visto con sorprendente velocità e precisione.
La possibilità di visualizzare un’immagine bidimensionale in una pagina o sullo schermo del computer, e quindi trasformare l’immagine in qualcosa che la nostra mente può immediatamente riconoscere, è un processo neurologico che rimane misterioso per gli scienziati. Per saperne di più su come il nostro cervello a svolgere questo compito e di vedere se i computer in grado di raccogliere e prevedere ciò che una persona sta vedendo in tempo reale—un gruppo di ricerca guidato dall’Università di Washington neuroscienziato Rajesh Rao e neurochirurgo Jeff Ojermann dimostrato che è possibile decodificare il cervello umano segnali a quasi la velocità di percezione. I dettagli del loro lavoro può essere trovato in una nuova carta in PLOS Computational Biology.
La squadra ha cercato l’assistenza di sette pazienti sottoposti a trattamento per l’epilessia. I farmaci non erano aiuta ad alleviare i loro attacchi, in modo che questi pazienti sono stati dati temporanei impianti cerebrali, e gli elettrodi sono stati utilizzati per individuare i punti focali della loro crisi. UW ricercatori hanno visto questo come un’opportunità per svolgere il loro esperimento. “Stavano andando per ottenere gli elettrodi non importa cosa,” ha osservato Ojermann in un UW NewsBeat articolo. “Siamo stati solo dando loro ulteriori attività da fare durante la loro permanenza in ospedale, mentre sono altrimenti i tempi di attesa.”
I pazienti hanno mostrato una sequenza casuale di immagini—immagini di volti umani, di case e di vuoto grigio schermi, monitor dei computer, in breve 400 millisecondi. Il loro compito specifico è stato quello di guardare per un’immagine di una upside down house.
Sponsorizzato
Il volto e la casa attività di discriminazione. Credito: Kai J. Miller et al., 2016/PLOS Computational Biology
Allo stesso tempo, gli elettrodi nel cervello sono stati collegati a software che estrae due distinte del cervello segnale proprietà, vale a dire “evento correlati potenziali” (enormi lotti di neuroni contemporaneamente si accendono in risposta a un’immagine) e “a larga banda spettrale” modifiche (segnali che permangono dopo la visualizzazione di un’immagine).
Come le immagini tremolava sullo schermo di un computer campionato e digitalizzato in ingresso i segnali del cervello ad una velocità di 1.000 volte al secondo. Questa risoluzione ha permesso il software per determinare quale combinazione di posizioni elettrodo e segnali correlato meglio di ciò che i pazienti stavano vedendo. “Abbiamo ottenuto risposte diverse, dalla diversa (elettrodo) posizioni; alcuni erano sensibili ai volti e alcuni sono stati sensibili alle case,” Rao ha detto.
Dopo l’allenamento, il software, i ricercatori hanno esposto i pazienti a una nuova serie di immagini. Senza una precedente esposizione a queste nuove immagini, il computer era in grado di prevedere, con il 96% di precisione quando un soggetto di prova è stato vedere una casa, un volto o una schermata grigia. E lo ha fatto a quasi la velocità di percezione.
Questa competenza si è verificato solo quando il computer considerati sia i potenziali evento-correlati e a banda larga modifiche, come indicato nello studio, suggerisce che “catturano diversi e complementari aspetti percettivo dello stato.”Così, quando si tratta di comprendere come una persona percepisce un complesso di oggetti visivi, è importante considerare il “quadro generale” di grandi reti neurali.
Mentre interessante, i risultati dello studio sono estremamente limitate. Un vero test del sistema per vedere se poteva imparare un insieme molto più ampio di immagini, tra le diverse categorie. Non è immediatamente evidente, per esempio, se il computer può discernere se un paziente è stato di visualizzazione il volto di un uomo o di un cane.
Una volta raffinato, tuttavia, questo tipo di cervello decodifica potrebbe essere utilizzato per costruire meccanismi di comunicazione per “locked-in” i pazienti che sono paralizzati o hanno sofferto di un ictus. Questa tecnica potrebbe aiutare anche con la mappatura del cervello, permettendo permesso ai ricercatori di identificare percorsi nel cervello responsabile per determinati tipi di informazioni in tempo reale.
[PLOS Computational Biology]
Immagine in alto: Kai Miller e Brian Donohue