Машинное обучение раскрыло скрытые закономерности мозга

Ситуация: вы тянетесь за книгой, ваш мозг получает визуальные сигналы, обрабатывает их внутри себя и дает команду мышцам выполнить движение. Но как миллионы нейронов управляют этой, казалось бы, простой задачей? Ученые открыли ключевой фрагмент головоломки с помощью нового алгоритма, который отделяет внутренние паттерны мозга от сенсорных сигналов. Работа группы под руководством доктора Марьям Шанечи из Центра нейротехнологий Университета Южной Калифорнии, опубликованная в журнале PNAS, раскрывает последовательный скрытый паттерн активности мозга у разных людей, несмотря на различия в задачах и сенсорных сигналах. Это новое понимание обладает огромным потенциалом как для научного прогресса, так и для разработки будущих интерфейсов мозг-компьютер (BCI). Традиционно изучение активности мозга подразумевало анализ коллективной активности нейронов. Однако выделение этих внутренних паттернов было затруднено из-за влияния внешних факторов, таких как зрение. Команда Шанечи решила эту проблему, разработав новый метод машинного обучения, который одновременно учитывает нейронную активность, наблюдаемое движение (например, потянуться за книгой), визуальные сигналы, получаемые мозгом. Этот комплексный подход позволил им отделить внутренние паттерны мозга от тех, на которые непосредственно влияет сенсорный вход, и найти последовательный скрытый паттерн у разных испытуемых, что позволяет предположить наличие фундаментального механизма контроля движений. Последствия этого исследования выходят далеко за рамки фундаментальной науки о мозге. Способность изолировать внутренние паттерны, имеющие отношение к поведению, открывает путь для улучшенного нейронного моделирования и BCI. Материалы новостного характера нельзя приравнивать к назначению врача. Перед принятием решения посоветуйтесь со специалистом.