قد تساعد واجهات الكمبيوتر والدماغ أولئك الذين يعانون من إصابات الدماغ والحبل الشوكي.
تم النشر في 23 ديسمبر 2021 | تمت المراجعة بواسطة Kaja Perina
Cami Rosso
د. سالم م القحطاني
تمنح واجهات الدماغ والكمبيوتر (BCIs) الأمل لأولئك الذين يعانون من إعاقة في النطق أو الحركة، مثل أولئك الذين يعانون من إصابات الدماغ والحبل الشوكي ، لاكتساب المزيد من الاستقلالية، وتحسين نوعية حياتهم بشكل عام. ابتكر العلماء خوارزمية تعلم آلي للذكاء الاصطناعي (AI) وحل واجهة بين الدماغ والحاسوب يمكّن المرضى من قيادة روبوت بأفكارهم , وقد تم نشر دراستهم في علم الأحياء والاتصالات.
يمكن أن تكون المساعدة الروبوتية عن طريق مناورات الذراع الآلية ذات المحركات مفيدة للغاية للأفراد الذين يعانون من إعاقات حركية في الأطراف العلوية "، كما كتب الباحثون. "توفر واجهات الدماغ والحاسوب (BCI) وسيلة سهلة للتحكم في مثل هذه المعالجات الروبوتية المساعدة. مقطع توضيحي .... https://youtu.be/j6DXowZulIk
على عكس دراسات الروبوت الأخرى التي يتحكم فيها الدماغ، تسهل هذه الدراسة على المريض التحكم في الروبوت من خلال زيادة السلطة على النظام الآلي المستقل. مكّن العلماء المنتسبون إلى École Polytechnique Fédérale de Lausanne (EPFL) وجامعة تكساس في أوستن المرضى من تدريب أجهزة التحكم في الروبوت على التكيف مع العقبات باستخدام العقل بدلاً من الكلام أو الحركة.
قاد فريق البحث Aude Billard ، الأستاذ في EPFL ومدير خوارزميات التعلم ومختبر الأنظمة (LASA) ، جنبًا إلى جنب مع José del R. Millán ، الأستاذ بجامعة تكساس في أوستن.
كان بيلارد مؤلفًا مشاركًا لدراسة EPFL لعام 2019 حيث ابتكر العلماء نوعًا جديدًا من الأطراف الاصطناعية التي توحد التحكم البشري مع أتمتة الذكاء الاصطناعي لزيادة مهارة الروبوت. على وجه التحديد ، قام علماء EPFL بدمج المجالات العلمية للهندسة العصبية والروبوتات والذكاء الاصطناعي لأتمتة جزء من الأمر الحركي من أجل "التحكم المشترك". تم استخدام ذراع الروبوت هذا لإجراء الدراسة الحالية وفقًا لتقرير إخباري لـ EPFL
استخدم الباحثون واجهة بين الدماغ والحاسوب التي تدعم الذكاء الاصطناعي لقياس نشاط دماغ المريض وفك تشفيره من أجل توجيه آلية الذراع. استخدموا التعلم المعزز العكسي (IRL) وهو إطار تعلم آلي للذكاء الاصطناعي يعتمد على مراقبة السلوك البشري من أجل استخراج وظيفة المكافأة. هذا هو عكس التعلم المعزز (RL)، حيث تهدف خوارزمية الذكاء الاصطناعي إلى تعلم عملية صنع القرار من أجل توليد سلوك من شأنه زيادة وظيفة المكافأة إلى أقصى حد. في التعلم المعزز، تتخذ عوامل الذكاء الاصطناعي اختيارات بناءً على ما تعلموه من القرارات المتسلسلة من التجارب السابقة والمحاولات المتكررة للحصول على أعلى مكافأة.
ارتدى المشاركون في الدراسة غطاء رأس غير جراحي مزود بأقطاب كهربائية تلتقط عمليات مسح مخطط كهربية الدماغ (EEG) لنشاط الدماغ. لتنشيط النظام ، ينظر المريض إلى الروبوت ، وتتعلم خوارزمية الذكاء الاصطناعي للتعلم الآلي من الأنماط الموجودة في نشاط الدماغ لفك تشفير ما يريد المستخدم القيام به وما يحتاج الروبوت إلى القيام به لتحقيق ذلك من خلال التجربة والخطأ.
وفقًا للباحثين ، فإن عملية التجربة والخطأ سريعة نسبيًا ، وتتطلب عادةً ثلاث إلى خمس محاولات فقط قبل أن تتعلم وتؤدي ما يفكر فيه المستخدم. أظهر الباحثون إثبات المفهوم هذا في تجارب مع ثلاثة عشر مستخدمًا أصحاء يوجهون ذراعًا آلية باستخدام أفكارهم. تعلمت خوارزمية الذكاء الاصطناعي تفضيلات المستخدمين وعدلت إجراءات الروبوت وفقًا لذلك.
من خلال إثبات المفهوم هذا ، يخطط الباحثون لتوسيع دراستهم على أمل أن يتمكنوا يومًا ما من تمكين المستخدمين من التحكم في كرسي متحرك بالعقل وفقًا لتقرير إخباري لـ EPFL.
أفاد الباحثون أن "المعالجات الروبوتية المساعدة في المستقبل يجب أن تتضمن إمساكًا ذاتيًا لزيادة ثبات الإمساك في مجموعة متنوعة أكبر من الأشياء". "سيكون الهدف النهائي هو تقديم تنسيق سلس بين الإنسان والآلة ، قادر على أداء المهام المعقدة في بيئات العالم الحقيقي."
المصدر: https://actu.epfl.ch/news/mind-controlled-robots-now-one-step-closer/
Copyright © 2021 Cami Rosso All rights reserved.
about the Author
Cami Rosso writes about science, technology, innovation, and leadership.
Online: LinkedIn, Twitter
Read Next
What Does AI Teach Us About Human Intelligence?
