A principios de este año, unos 30 neurocientíficos y programadores informáticos se reunieron para mejorar su capacidad de leer la mente humana.
El hackathon fue uno de varios que los investigadores de la Universidad de Princeton e Intel, el mayor fabricante de procesadores de computadoras, organizaron para crear software que puede decir lo que una persona está pensando en tiempo real, mientras la persona lo está pensando.
La colaboración entre los investigadores de Princeton e Intel ha permitido un rápido progreso en la capacidad de decodificar datos digitales del cerebro, escaneados utilizando imágenes de resonancia magnética funcional fMRI, para revelar cómo la actividad neuronal da lugar al aprendizaje, la memoria y otras funciones cognitivas.
Una revisión de los avances computacionales hacia la decodificación de escáneres cerebrales aparece en la revista Neurociencia de la naturaleza , escrito por investigadores del Instituto de Neurociencia de Princeton y los departamentos de ciencias de la computación e ingeniería eléctrica de Princeton, junto con colegas de Intel Labs, un brazo de investigación de Intel.
"La capacidad de controlar el cerebro en tiempo real tiene un enorme potencial para mejorar el diagnóstico y el tratamiento de los trastornos cerebrales, así como para la investigación básica sobre cómo funciona la mente", dijo Jonathan Cohen, profesor de Thoman de Robert Bendheim y Lynn Bendheim enNeuroscience, codirector del Princeton Neuroscience Institute y uno de los miembros fundadores de la colaboración con Intel.
Desde el inicio de la colaboración hace dos años, los investigadores han reducido el tiempo necesario para extraer los pensamientos de los escáneres cerebrales de días a menos de un segundo, dijo Cohen, quien también es profesor de psicología.
Un tipo de experimento que se beneficia de la decodificación de pensamientos en tiempo real ocurrió durante el hackathon. El estudio, diseñado por J. Benjamin Hutchinson, un ex investigador postdoctoral en el Princeton Neuroscience Institute que ahora es profesor asistente en la Northeastern University,destinado a explorar la actividad en el cerebro cuando una persona está prestando atención al medio ambiente, en lugar de cuando su atención se desvía hacia otros pensamientos o recuerdos.
En el experimento, Hutchinson le pidió a un voluntario de investigación, un estudiante graduado que yacía en el escáner fMRI, que mirara una imagen llena de detalles de personas en un café lleno de gente. Desde su computadora en la sala de la consola, Hutchinson podía verloen tiempo real si la estudiante graduada estaba prestando atención a la imagen o si su mente se estaba desviando a pensamientos internos. Hutchinson podría entonces darle retroalimentación a la estudiante graduada sobre qué tan bien estaba prestando atención al hacer que la imagen fuera más clara y más fuerte cuando su mentese centró en la imagen y se desvaneció cuando su atención se desvió.
La colaboración en curso ha beneficiado a los neurocientíficos que desean aprender más sobre el cerebro y los científicos informáticos que desean diseñar algoritmos informáticos y métodos de procesamiento más eficientes para clasificar rápidamente grandes conjuntos de datos, según Theodore Willke, ingeniero principal senior de Intel Labsen Hillsboro, Oregón, y jefe del laboratorio Mind's Eye de Intel. Willke dirige la parte del equipo colaborativo de Intel.
"Intel estaba interesado en trabajar en aplicaciones emergentes para computación de alto rendimiento, y la colaboración con Princeton nos proporcionó nuevos desafíos", dijo Willke. "También esperamos exportar lo que aprendemos de los estudios de inteligencia humana y cognición a la máquinaaprendizaje e inteligencia artificial, con el objetivo de avanzar otros objetivos importantes, como la conducción autónoma más segura, el descubrimiento más rápido de medicamentos y la detección más rápida del cáncer ".
Desde la invención de fMRI hace dos décadas, los investigadores han estado mejorando la capacidad de examinar las enormes cantidades de datos en cada exploración. Un escáner fMRI captura señales de los cambios en el flujo sanguíneo que ocurren en el cerebro de un momento a otro a medida que avanzamosestán pensando. Pero leer de estas mediciones los pensamientos reales que tiene una persona es un desafío, y hacerlo en tiempo real es aún más desafiante.
Se han desarrollado varias técnicas para procesar estos datos en Princeton y otras instituciones. Por ejemplo, el trabajo de Peter Ramadge, el profesor de ingeniería Gordon YS Wu y profesor de ingeniería eléctrica en Princeton, ha permitido a los investigadores identificar patrones de actividad cerebralque se correlacionan con los pensamientos mediante la combinación de datos de escáneres cerebrales de varias personas. El diseño de instrucciones computarizadas o algoritmos para llevar a cabo estos análisis sigue siendo un área importante de investigación.
Las poderosas computadoras de alto rendimiento ayudan a reducir el tiempo que lleva hacer estos análisis al dividir la tarea en trozos que se pueden procesar en paralelo. La combinación de mejores algoritmos y computación paralela es lo que permitió que la colaboración lograra resultados reales.procesamiento del escáner cerebral en el tiempo, de acuerdo con Kai Li, Paul M. Wythes '55 P86 de Princeton y Marcia R. Wythes P86, profesora de informática y uno de los fundadores de la colaboración.
Desde el comienzo de la colaboración en 2015, Intel ha contribuido a Princeton con más de $ 1.5 millones en hardware informático y soporte para estudiantes de posgrado e investigadores posdoctorales de Princeton. Intel también emplea a 10 informáticos que trabajan en este proyecto con Princeton, y estos expertostrabajar en estrecha colaboración con el profesorado de Princeton, estudiantes y postdocs para mejorar el software.
Estos algoritmos localizan pensamientos dentro de los datos mediante el aprendizaje automático, la misma técnica que utiliza el software de reconocimiento facial para ayudar a encontrar amigos en plataformas de redes sociales como Facebook. El aprendizaje automático implica exponer las computadoras a suficientes ejemplos para que las computadoras puedan clasificar nuevos objetosque nunca han visto antes
Uno de los resultados de la colaboración ha sido la creación de una caja de herramientas de software, llamada Brain Imaging Analysis Kit BrainIAK, que está abiertamente disponible en Internet para cualquier investigador que busque procesar datos de fMRI. El equipo ahora está trabajando encrear un servicio de análisis en tiempo real ". La idea es que incluso los investigadores que no tienen acceso a computadoras de alto rendimiento, o que no saben cómo escribir software para ejecutar sus análisis en estas computadoras, puedan usarestas herramientas para decodificar escáneres cerebrales en tiempo real ", dijo Li.
Lo que estos científicos aprenden sobre el cerebro eventualmente puede ayudar a las personas a combatir las dificultades al prestar atención u otras condiciones que se benefician de la retroalimentación inmediata.
Por ejemplo, la retroalimentación en tiempo real puede ayudar a los pacientes a entrenar sus cerebros para debilitar los recuerdos intrusivos. Si bien estos enfoques de "entrenamiento cerebral" necesitan una validación adicional para asegurarse de que el cerebro está aprendiendo nuevos patrones y no solo se está volviendo bueno haciendo el entrenamientoCohen dijo que estos enfoques de retroalimentación ofrecen el potencial para nuevas terapias. El análisis en tiempo real del cerebro también podría ayudar a los médicos a hacer diagnósticos, dijo.
La capacidad de decodificar el cerebro en tiempo real también tiene aplicaciones en la investigación básica del cerebro, dijo Kenneth Norman, profesor de psicología y el Instituto de Neurociencia de Princeton. "Como neurocientíficos cognitivos, estamos interesados en aprender cómo el cerebro da lugar al pensamiento", dijo Norman." Ser capaz de hacer esto en tiempo real aumenta enormemente el alcance de la ciencia que podemos hacer ", dijo.
Otra forma en que se puede usar la tecnología es en estudios de cómo aprendemos. Por ejemplo, cuando una persona escucha una clase de matemáticas, se activan ciertos patrones neuronales. Los investigadores podrían observar los patrones neuronales de las personas que entienden la clase de matemáticas yvea cómo difieren de los patrones neuronales de alguien que no está siguiendo también, según Norman.
La colaboración en curso ahora se centra en mejorar la tecnología para obtener una ventana más clara de lo que la gente piensa, por ejemplo, decodificar en tiempo real la identidad específica de una cara que una persona está visualizando mentalmente.
Uno de los desafíos que los informáticos tuvieron que superar fue cómo aplicar el aprendizaje automático al tipo de datos generados por los escáneres cerebrales. Un algoritmo de reconocimiento de rostros puede escanear cientos de miles de fotografías para aprender a clasificar nuevas caras, pero ella logística de escanear el cerebro de las personas es tal que los investigadores generalmente solo tienen acceso a unos cientos de escaneos por persona.
Aunque el número de escaneos es pequeño, cada escaneo contiene una gran cantidad de datos. El software divide las imágenes del cerebro en pequeños cubos, cada uno de aproximadamente un milímetro de ancho. Estos cubos, llamados voxels, son análogos a los píxeles en dosimagen dimensional. La actividad cerebral en cada cubo cambia constantemente.
Para hacer las cosas más complejas, son las conexiones entre las regiones del cerebro las que dan lugar a nuestros pensamientos. Una exploración típica puede contener 100,000 vóxeles, y si cada vóxel puede hablar con todos los otros vóxeles, la cantidad de conversaciones posibles es inmensa.Y estas conversaciones están cambiando segundo a segundo. La colaboración de Intel y los científicos informáticos de Princeton superó este desafío computacional. El esfuerzo incluyó a Li así como a Barbara Engelhardt, profesora asistente de ciencias de la computación, y Yida Wang, quien obtuvo su doctorado en ciencias de la computación dePrinceton en 2016 y ahora trabaja en Intel Labs.
Antes del progreso reciente, los investigadores tardarían meses en analizar un conjunto de datos, dijo Nicholas Turk-Browne, profesor de psicología en Princeton. Con la disponibilidad de fMRI en tiempo real, un investigador puede cambiar el experimento mientras está en curso"Si mi hipótesis se refiere a una determinada región del cerebro y detecto en tiempo real que mi experimento no involucra esa región del cerebro, entonces podemos cambiar lo que le pedimos al voluntario de investigación que haga para involucrar mejor a esa región, lo que puede ahorrar un tiempo preciosoy acelerar el descubrimiento científico ", dijo Turk-Browne.
Un objetivo eventual es poder crear imágenes de los pensamientos de las personas, dijo Turk-Browne. "Si está en el escáner y está recuperando un recuerdo especial, como el de la infancia, esperamos generar una fotografía de esoexperiencia en la pantalla. Eso todavía está lejos, pero estamos progresando ".
Fuente de la historia :
Materiales proporcionado por Universidad de Princeton . Original escrito por Catherine Zandonella. Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cite esta página :