مغز انسان با شبکه‌ای پیچیده از میلیاردها نورون به طور مداوم با فعالیت الکتریکی کار می‌کند. این فعالیت عصبی تمام فکرها، اعمال و احساسات ما را شکل می‌دهد. برای عصب‌شناسان و مهندسانی که بر روی رابط‌های مغز و کامپیوتر (BCIs) کار می‌کنند، رمزگشایی این کدهای عصبی چالشی بزرگ است. مشکل فقط در خواندن سیگنال‌های مغز نیست، بلکه جداسازی و تفسیر الگوهای خاص در میان ناهنجاری‌های فعالیت عصبی نیز دشوار است.
در یک پیشرفت قابل توجه، محققان دانشگاه کالیفرنیای جنوبی (USC) یک الگوریتم هوش مصنوعی جدید به نام DPAD (تجزیه و تحلیل اولویت‌دار دینامیک) ایجاد کرده‌اند که می‌تواند نحوه رمزگشایی فعالیت مغز را متحول کند. این الگوریتم رویکرد جدیدی برای جداسازی و تحلیل الگوهای عصبی خاص از مجموعه پیچیده سیگنال‌های مغزی ارائه می‌دهد.
مریم شانه‌چی، استاد مهندسی برق و کامپیوتر و مدیر مؤسس مرکز نوروتکنولوژی USC، رهبری تیمی را بر عهده داشت که این فناوری نوآورانه را توسعه داد. کار آن‌ها که به تازگی در مجله Nature Neuroscience منتشر شده، پیشرفت قابل توجهی در زمینه رمزگشایی عصبی محسوب می‌شود و نویدبخش افزایش قابلیت‌های رابط‌های مغز و کامپیوتر است.
پیچیدگی فعالیت مغز
برای درک اهمیت الگوریتم DPAD، لازم است ابتدا با ماهیت پیچیده فعالیت مغز آشنا شویم. در هر لحظه، مغز ما در حال انجام چندین فرآیند به طور همزمان است. به عنوان مثال، وقتی شما این مقاله را می‌خوانید، مغز شما نه تنها اطلاعات بصری متن را پردازش می‌کند، بلکه وضعیت بدنی شما را کنترل، تنفس شما را تنظیم و به برنامه‌های روزانه‌تان فکر می‌کند.
هر یک از این فعالیت‌ها الگوی خاصی از فعالیت عصبی ایجاد می‌کند و در مجموع یک تصویر پیچیده از فعالیت مغز را شکل می‌دهد. این الگوها با هم همپوشانی دارند و تعامل می‌کنند، که جداسازی سیگنال‌های عصبی مرتبط با یک رفتار یا فرآیند فکری خاص را بسیار دشوار می‌کند. به گفته مریم شانه‌چی، «همه این رفتارهای مختلف مانند حرکات بازو، گفتار و احساسات مانند گرسنگی همزمان در مغز شما رمزگذاری می‌شود. این رمزگذاری همزمان باعث ایجاد الگوهای بسیار پیچیده‌تری در فعالیت الکتریکی مغز می‌شود.»
این پیچیدگی چالش‌های بزرگی را برای رابط‌های مغز و کامپیوتر (BCI) ایجاد می‌کند. هدف BCIها این است که سیگنال‌های مغزی را به دستورات برای دستگاه‌های خارجی تبدیل کنند، به طوری که افراد فلج بتوانند اندام‌های مصنوعی یا وسایل ارتباطی را تنها با فکر خود کنترل کنند. اما توانایی تفسیر دقیق این دستورات به جداسازی سیگنال‌های عصبی مربوط به آن‌ها از نویز پس‌زمینه فعالیت مداوم مغز بستگی دارد.
روش‌های سنتی رمزگشایی با این چالش‌ها دست و پنجه نرم می‌کنند و معمولاً نمی‌توانند بین دستورات عمدی و فعالیت‌های نامربوط مغز تمایز قائل شوند. این محدودیت مانع از توسعه BCIهای پیچیده‌تر و قابل‌اعتمادتر شده و کاربردهای آن‌ها را در فناوری‌های بالینی و کمکی محدود می‌کند.
DPAD : رویکردی جدید برای رمزگشایی فعالیت مغز
الگوریتم DPAD یک تغییر اساسی در نحوه‌ی رمزگشایی فعالیت‌های عصبی محسوب می‌شود. این الگوریتم از یک شبکه عصبی عمیق با یک استراتژی آموزشی خاص استفاده می‌کند. امید ثانی، دانشیار در آزمایشگاه شانه‌چی و دانشجوی سابق دکترا، توضیح می‌دهد: «یک عنصر کلیدی در این الگوریتم این است که ابتدا به دنبال الگوهای مغزی مرتبط با رفتار خاصی باشیم و این الگوها را در طول آموزش شبکه عصبی با اولویت یاد بگیریم.»
این رویکرد یادگیری اولویت‌دار به DPAD این امکان را می‌دهد که الگوهای مرتبط با رفتار را به‌طور مؤثر از میان فعالیت‌های پیچیده عصبی جدا کند. پس از شناسایی این الگوهای اولیه، الگوریتم یاد می‌گیرد که الگوهای باقی‌مانده را محاسبه کند و اطمینان حاصل کند که با سیگنال‌های مورد نظر تداخل نداشته باشند.
انعطاف‌پذیری شبکه‌های عصبی در طراحی الگوریتم، به DPAD این امکان را می‌دهد که طیف وسیعی از الگوهای مغزی را توصیف کند و آن را با انواع مختلف فعالیت‌های عصبی و کاربردهای مختلف سازگار کند.
مفاهیم برای رابط‌های مغز و کامپیوتر
توسعه DPAD نویدبخش پیشرفت‌های قابل توجهی در رابط‌های مغز و کامپیوتر (BCI) است. با رمزگشایی دقیق‌تر اهداف حرکتی از فعالیت مغز، این فناوری می‌تواند عملکرد و پاسخ‌دهی BCI را به طور چشمگیری بهبود بخشد.
برای افرادی که دچار فلج هستند، این پیشرفت می‌تواند به کنترل آسان‌تر و طبیعی‌تر بر روی اندام‌های مصنوعی یا وسایل ارتباطی منجر شود. دقت بیشتر در رمزگشایی می‌تواند امکان کنترل دقیق‌تر حرکات را فراهم کند و به افراد اجازه دهد حرکات و تعاملات پیچیده‌تری با محیط خود داشته باشند.
علاوه بر این، توانایی این الگوریتم در جداسازی الگوهای خاص مغزی از فعالیت‌های پس‌زمینه می‌تواند منجر به توسعه BCIهایی شود که در شرایط واقعی عملکرد بهتری دارند. در این شرایط، کاربران همواره در حال پردازش اطلاعات مختلف و انجام کارهای شناختی هستند.
فراتر از حرکت : کاربردهای آینده در سلامت روان
در حالی که تمرکز اولیه DPAD بر روی رمزگشایی الگوهای مغزی مرتبط با حرکت بوده است، کاربردهای آن می‌تواند بسیار فراتر از کنترل حرکتی برود. شانه‌چی و تیمش در حال بررسی این هستند که آیا می‌توان از این فناوری برای رمزگشایی حالات روانی مانند درد یا خلق و خو نیز استفاده کرد.
این قابلیت می‌تواند تأثیرات عمیقی بر درمان سلامت روان داشته باشد. با ردیابی دقیق وضعیت علائم بیماران، پزشکان می‌توانند اطلاعات ارزشمندی درباره پیشرفت وضعیت سلامت روان و اثربخشی درمان‌ها به دست آورند. شانه‌چی آینده‌ای را تصور می‌کند که این فناوری نه تنها به کمک اختلالات حرکتی و فلج می‌آید، بلکه می‌تواند در درمان شرایط سلامت روان نیز مؤثر باشد.
توانایی اندازه‌گیری و ردیابی دقیق حالات روانی می‌تواند نحوه‌ی ارائه خدمات بهداشت روانی را متحول کند و امکان تنظیم دقیق‌تر درمان‌ها را مطابق با نیازهای فردی هر بیمار فراهم آورد.
تأثیر گسترده‌تر بر علوم اعصاب و هوش مصنوعی
توسعه DPAD راه‌های جدیدی برای درک خود مغز فراهم می‌آورد. این الگوریتم با ارائه روشی دقیق‌تر برای تحلیل فعالیت‌های عصبی، می‌تواند به دانشمندان علوم اعصاب کمک کند تا الگوهای مغزی جدیدی را کشف کنند یا فهم خود را از فرآیندهای عصبی شناخته شده بهبود ببخشند.
در زمینه وسیع‌تر هوش مصنوعی و مراقبت‌های بهداشتی، DPAD نمونه‌ای از پتانسیل یادگیری ماشینی برای حل مسائل پیچیده بیولوژیکی است. این الگوریتم نشان می‌دهد که چگونه می‌توان از هوش مصنوعی نه تنها برای پردازش داده‌های موجود، بلکه برای کشف بینش‌ها و رویکردهای جدید در تحقیقات علمی استفاده کرد.