Главная страница > Новости > ОБЗОР НОВОСТЕЙ НЕЙРОТЕХНОЛОГИЙ 14.12.2020-20.12.2020

ОБЗОР НОВОСТЕЙ НЕЙРОТЕХНОЛОГИЙ 14.12.2020-20.12.2020

18 декабря 2020

Исследователи научили ИИ адаптироваться к ситуации

Ученые из Института Солка (США) разработали новую структуру вычислительного моделирования, чтобы воспроизвести поведение нейронов префронтальной коры – области мозга, отвечающей за принятие решений и рабочую память. Новая структура повторяет поведение нейронов префронтальной коры во время когнитивного теста, известного как висконсинский тест сортировки карточек. Она позволит повторить искусственному интеллекту способность мозга адаптироваться к ситуации.

В этом задании участники должны сортировать карточки по цвету, символу или номеру – и постоянно адаптировать свои ответы по мере изменения правила сортировки карточек. Этот тест используется в клинической практике для диагностики деменции и психических заболеваний, но также его используют исследователи искусственного интеллекта для определения того, насколько хорошо их вычислительные модели мозга могут воспроизводить поведение человека.

Стробирующая сеть принимает ввод и решает, какую экспертную сеть использовать, и оценивает ее значение. Выбранная экспертная сеть (например, E1) получает ввод и выводит действие, которое необходимо предпринять, т.е. в какой стек поместить текущую карту.

Модель смогла интегрировать то, как нейроны управляют потоком информации по всей префронтальной коре, отправляя различные фрагменты информации в разные субрегионы сети. Новая сеть не только выполнила тест по сортировке карточек так же хорошо, как люди, но и имитировала ошибки, которые встречаются у некоторых пациентов. Когда части модели были удалены, система показала те же ошибки, которые наблюдались у пациентов с повреждением префронтальной коры – например, вызванным травмой или деменцией.

Роборуку научили чувствовать предметы с помощью солнечных панелей

Инженеры из Университета Глазго разработали новую конструкцию роборуки, которая способна распознавать прикосновение к предметам при помощи небольших солнечных панелей на ее поверхности. При прикосновении часть панелей закрывается от света и прекращает вырабатывать энергию, что можно интерпретировать как контакт. Также в руке есть инфракрасные светодиоды, которые вместе с солнечными панелями работают как датчик приближения.

Авторы собрали прототип роборуки с таким принципом обнаружения контакта. Они наклеили на ее ладонь массив из 25 небольших квадратных солнечных панелей размером в один сантиметр. Также они встроили в запястье еще три квадратные панели, но размером в пять сантиметров каждая, чтобы вырабатывать дополнительную энергию. Это позволяет покрывать энергией основной микроконтроллер датчиков и всю сопутствующую электронику.

Принцип определения приближения объектов

Инфракрасные светодиоды излучают импульсный сигнал с частотой 20 килогерц, чередуя яркое излучение с его отсутствием. Это излучение отражается от близких объектов и попадет на солнечные панели, причем чем ближе находится объект, тем выше уровень отраженного излучения, попадающего на панели. Разработчики показали несколько примеров работы руки. В одном из них она сумела захватить мячик, который приблизился к ладони, а в другом держала заданное расстояние от руки человека, которая двигалась в разные стороны.

Алгоритм, основанный на человеческих ошибках, поможет в обучении ИИ

Исследователи из Массачусетского технологического института создали алгоритм, способный определять цели и планы, даже если они планы могут потерпеть неудачу. В классическом эксперименте 18-месячный малыш наблюдает, как мужчина несет стопку книг к закрытому шкафу. Когда он подходит к шкафу, то несколько раз неуклюже стучит книгами о дверцу шкафа и издает озадаченный звук. Затем происходит нечто удивительное: выявив цель человека, малыш подходит к шкафу и открывает его дверцы, позволяя мужчине поместить внутрь свои книги.

В стремлении воссоздать этот социальный интеллект в машинах исследователи создали алгоритм, способный определять цели и планы, даже если эти планы могут потерпеть неудачу. Команда использовала Gen, новую платформу программирования ИИ, недавно разработанную в MIT, для объединения символического планирования ИИ с байесовским выводом. Он обеспечивает оптимальный способ объединения неопределенных убеждений с новыми данными.

«Агент» и «наблюдатель» демонстрируют, как новый алгоритм MIT способен определять цели и планы, даже если эти планы могут потерпеть неудачу. Здесь агент составляет ошибочный план достижения синего драгоценного камня, который наблюдатель считает возможным.

При создании алгоритма «Последовательный поиск обратного плана (SIPS)» ученых вдохновил общий способ человеческого планирования, который в значительной степени не оптимален. Человек может не планировать все заранее, а скорее формировать частичные планы, выполнять их и, исходя из новых результатов, снова строить планы. Хотя это может привести к ошибкам из-за недостаточного обдумывания «заранее», такой тип мышления снижает когнитивную нагрузку.

Управляемые мозгом роборуки помогли паралитику разрезать пирожное

Американские исследователи из Университета Джонса Хопкинса научили парализованного пациента управлять роборуками с помощью считывания активности его моторной коры через имплантированные микроэлектроды. Мужчина смог поднести руки с вложенными в них приборами к тарелке с пирожным, разрезать его и поднести отрезанный кусок ко рту.

Два года назад исследователи имплантировали в область сенсомоторной коры мозга Роберта Хмилевски, пациента с параличом всех конечностей, пластины из 96 микроэлектродов, которые позволяют не только считывать моторные сигналы, но и стимулировать сенсорную кору. С помощью них исследователи планировали научить Хмилевски пользоваться двумя роборуками — причем не только управлять ими, но и ощущать то, к чему роборуки прикасаются.

Считывая сигналы с моторной коры, компьютер посылает их в роборуки — так ими можно двигать и даже регулировать, например, размер куска, который надо отрезать, перенося нож ближе или дальше. При управлении роборуками Хмилевски получает определенный сенсорный ответ (посредством стимуляции сенсорных отделов), что позволяет ему эффективнее взаимодействовать со средой.

NextMind представила коммерческую версию нейроинтерфейса мозг-компьютер

Французский стартап NextMind начал принимать заказы на устройство ввода нового поколения — нейронный интерфейс Dev Kit. Гаджет преобразует сигналы мозга в цифровые команды и позволяет управлять компьютерами и AR/VR-гарнитурами. В отличии от нейроинтерфейсов, вроде Neuralink Илона Маска, система Dev Kit неинвазивна — то есть не имплантируется, а крепится к затылку с помощью обычный резинки.

NextMind не хочет ограничиваться одним инновационным устройством — Dev Kit станет дополнением к AR-очкам

В первую очередь NextMind ориентируется на разработчиков ПО, но готова доставить Dev Kit любому желающему в 36 странах по всему миру. Создание нейронного профиля занимает около 45 секунд, но в дальнейшем разработчики рекомендуют проводить регулярную калибровку для точного считывания сигналов. Программное обеспечение работает на базе машинного обучения — чем чаще пользователь включает Dev Kit, тем лучше работает нейроинтерфейс.

NexMind Dev Kit поставляется с пятью демонстрационными приложениями: Pinpad, Neuro TV, программой для создания музыкальных дорожек и двумя играми. Функция Pinpad позволяет разблокировать подключенное устройство мысленной командой, а Neuro TV — переключать каналы, воспроизводить или приостанавливать воспроизведение контента, а также включать и выключать звук. Режим композитора помогает создавать музыку а игры одновременно управляются с помощью NextMind Sensor и стандартных геймпадов для ПК.