211service.com
Koprocesory mózgowe
Ed Boyden , adiunkt, inżynieria biologiczna oraz nauki o mózgu i kognitywistyce w MIT Media Lab, przedstawi prezentację na temat wykorzystania światła do badania i leczenia zaburzeń mózgu w środę o 15:30 na targach EmTech 2010 . Oglądaj transmisję na żywo z sesji tutaj .
W ciągu ostatnich kilku dekad nastąpiła fala wynalezienia technologii umożliwiających obserwację lub zaburzenia informacji w mózgu. Funkcjonalny rezonans magnetyczny, który mierzy zmiany przepływu krwi związane z aktywnością mózgu, jest badany do celów tak różnych, jak wykrywanie kłamstw, przewidywanie podejmowania decyzji przez człowieka i ocena powrotu do zdrowia po udarze mózgu. Wszczepione stymulatory elektryczne, które umożliwiają kontrolę aktywności obwodów nerwowych, są stosowane przez setki tysięcy ludzi w leczeniu takich schorzeń, jak głuchota, choroba Parkinsona i zaburzenia obsesyjno-kompulsywne. A nowe metody, takie jak użycie światła do aktywacji lub wyciszenia określonych neuronów w mózgu, są szeroko wykorzystywane przez naukowców do odkrywania wglądu w kontrolowanie obwodów neuronowych w celu osiągnięcia terapeutycznie użytecznych zmian w dynamice mózgu. Wkraczamy w renesans neurotechnologii, w którym zestaw narzędzi do zrozumienia mózgu i inżynierii jego funkcji rozszerza się zarówno pod względem zakresu, jak i mocy w niespotykanym dotąd tempie.
Ten zestaw narzędzi urósł do punktu, w którym strategiczne wykorzystanie wielu neurotechnologii w połączeniu ze sobą, jako system, może dać fundamentalne nowe możliwości, zarówno naukowe, jak i kliniczne, wykraczające poza to, co mogą zaoferować same. Rozważmy na przykład system, który odczytuje aktywność z obwodu mózgu, oblicza strategię kontrolowania obwodu tak, aby wszedł w pożądany stan lub wykonuje określone obliczenia, a następnie dostarcza informacje do mózgu, aby osiągnąć tę strategię kontroli. Taki system umożliwiłby kierowanie obliczeniami mózgu według z góry określonych celów wyznaczonych przez pacjenta lub lekarza lub kierowanie adaptacyjne w odpowiedzi na okoliczności otoczenia pacjenta lub chwilowy stan mózgu pacjenta.
Niektóre przykłady tego rodzaju technologii koprocesorów mózgowych są aktywnie rozwijane, takie jak systemy, które zaburzają mózg padaczkowy, gdy obserwuje się napad, czy protezy dla osób po amputacji, które rejestrują nerwy w celu kontrolowania sztucznych kończyn i stymulują nerwy do dostarczania czuciowych informacji zwrotnych. Patrząc w dół, takie architektury systemu mogą być zdolne do wykonywania bardzo zaawansowanych funkcji – dostarczania informacji na czas do mózgu pacjenta z demencją w celu usprawnienia funkcji poznawczych lub kształtowania profilu podejmowania ryzyka przez pacjenta uzależnionego w obecności bodźce, które wywołują zachcianki.
Biorąc pod uwagę stale rosnącą liczbę dostępnych technologii odczytu i kontroli mózgu, uogólnioną architekturę koprocesora mózgowego można by umożliwić poprzez zdefiniowanie wspólnych interfejsów regulujących sposób komunikowania się ze sobą technologii składowych, a także systemu operacyjnego, który definiuje sposób działania całego systemu jako ujednolicona całość – analogicznie do sposobu, w jaki komputery osobiste zarządzają interakcją składowych dysków twardych, pamięci, procesorów i wyświetlaczy. Taka platforma koprocesora mózgowego mogłaby ułatwić innowacyjność, umożliwiając neuroinżynierom skupienie się na protetyce neuronalnej na poziomie algorytmicznym, podobnie jak programista komputerowy może pracować na komputerze na poziomie koncepcyjnym bez konieczności planowania losu każdego pojedynczego fragmentu. Ponadto, jeśli pojawią się nowe technologie, np. nowy rodzaj technologii rejestracji neuronowej, można je włączyć do systemu i zasadniczo szybko połączyć z istniejącymi metodami obliczeniowymi i perturbacyjnymi, bez konieczności ponownego dostosowywania tych innych elementów.
Opracowanie takich architektur koprocesorów mózgowych wymagałoby trochę pracy – w szczególności wymagałoby to technologii wystarczająco znormalizowanych lub być może wystarczająco otwartych, aby były interoperacyjne w różnych kombinacjach. Niemniej jednak wiele można się nauczyć, opracowując stosunkowo proste systemy prototypowe. Na przykład, technologie rejestrujące same w sobie mogą raportować aktywność mózgu, ale nie mogą w pełni zaświadczyć o przyczynowym wpływie obserwowanej aktywności mózgu na konkretny wynik behawioralny lub kliniczny; technologie kontrolne mogą wprowadzać informacje do celów neuronowych, ale same w sobie ich wyniki mogą być trudne do zinterpretowania z powodu endogennych informacji neuronowych i nieobserwowanego przetwarzania neuronowego. Te naukowe kwestie można ujednoznacznić za pomocą podstawowych koprocesorów mózgowych, zbudowanych z łatwo dostępnych, gotowych komponentów, które wykorzystują technologie nagrywania do oceny, w jaki sposób dane zaburzenie obwodu nerwowego zmienia dynamikę mózgu. Takie eksploracje mogą zacząć ujawniać zasady rządzące najlepszym sposobem kontrolowania obwodu – ujawniając cele neuronalne i strategie kontrolne, które najskuteczniej prowadzą do docelowego stanu mózgu lub efektu behawioralnego, a tym samym wskazują drogę do nowych strategii terapeutycznych. Miniaturowe, wszczepialne koprocesory mózgowe mogą być w stanie wspierać nowe rodzaje spersonalizowanej medycyny, na przykład ciągłe dostosowywanie strategii kontroli neuronalnej do celów, stanu, środowiska i historii indywidualnego pacjenta – ważne uprawnienia, biorąc pod uwagę dynamiczny charakter wielu zaburzeń mózgu .
W przyszłości moduł obliczeniowy koprocesora mózgowego może być wystarczająco potężny, aby wspomagać ludzkie poznanie na wysokim poziomie lub złożone podejmowanie decyzji. Oczywiście, od ponad pół wieku jednym z kluczowych celów inżynierów komputerowych jest powiększanie ludzkiej inteligencji. Rzeczywiście, jeśli nieco rozluźnimy definicję koprocesora mózgowego, aby nie wymagać bezpośredniego fizycznego dostępu do mózgu, wiele technologii konsumenckich, które są obecnie rozwijane, zbiega się w kierunku architektury przypominającej koprocesor mózgowy. Wiele nowych technologii próbuje odkryć informacje przydatne dla użytkownika i dostarczyć je użytkownikowi w czasie rzeczywistym. Ponadto te procesy odkrywania i dostarczania są w coraz większym stopniu kształtowane przez środowisko (np. lokalizację) i historię (np. interakcje społeczne, wyszukiwania) użytkownika. Widzimy zatem odejście od klasycznego poglądu (jak początkowo przewidywali wcześni myśliciele o symbiozie człowiek-maszyna, tacy jak J.C.R. Licklider), w którym komputery otrzymują cele od ludzi, wykonują określone obliczenia, a następnie dostarczają wyniki ludziom.
Oczywiście, nadanie maszynom uprawnień do pełnienia funkcji proaktywnych ludzkich koprocesorów i umożliwienie im przykucia naszej uwagi obliczonymi priorytetami, musi być rozważone ostrożnie, tak jak każdy, kto stracił godziny z powodu przerwy spowodowanej mnóstwem aktualizacji sieci społecznościowych lub alerty wyszukiwarki mogą potwierdzić. Jak możemy zapewnić ludzkiemu mózgowi dostęp do coraz bardziej proaktywnych technologii współprzetwarzania, nie tracąc z oczu naszych nadrzędnych celów? Jednym z pomysłów jest opracowanie i wdrożenie wskaźników, które pozwolą nam ocenić IQ człowieka i koprocesora, współpracując ze sobą – oceniając wydajność współpracy naturalnej i sztucznej inteligencji w szerokim zestawie kontekstów rozwiązywania problemów. W końcu ludzie z koprocesorami mózgowymi opartymi na Internecie (np. laptopy z przeglądarkami internetowymi) mogą być bardziej rozpraszani, jeśli cele obejmują długie, skoncentrowane zadania związane z pisaniem, ale mogą być lepsi w syntetyzowaniu danych z różnych źródeł; dana konfiguracja koprocesora mózgowego może być dobra dla niektórych problemów, ale zła dla innych. Myślenie o powstających technologiach obliczeniowych jako o koprocesorach mózgowych zmusza nas do myślenia o nich w kategoriach wpływu, jaki wywierają na mózg, pozytywnego i negatywnego, i, co ważne, zapewnia ramy dla przemyślanej inżynierii ich bezpośrednich, a także pojawiających się efektów.
Ed Boyden jest adiunktem inżynierii biologicznej oraz nauk o mózgu i poznaniu w Media Lab, którego zespół ds. neurobiologii syntetycznej zajmuje się neurotechnologiami systematycznej analizy i kontroli obwodów neuronowych.
Doug Fritz jest doktorantem Media Lab w grupie Fluid Interfaces, pracującym nad rozszerzeniem ludzkich możliwości poprzez przetwarzanie just-in-time, które rozszerza nasz interfejs na świat.
Brian Allen jest doktorantem Media Lab w grupie Synthetic Neurobiology, pracującym nad opracowaniem nowych podejść do zrozumienia, w jaki sposób mózg wywołuje emocje.