JARINGAN SYARAF TIRUAN MEMECAHKAN AKTIFITAS KODE OTAK SAAT BERGERAK DAN BERFIKIR

Source:

University of Freiburg

Kecerdasan buatan jauh melampaui kecerdasan manusia dalam tugas-tugas tertentu. Beberapa kelompok dari kelompok keunggulan Freiburg BrainLinks-BrainTools yang dipimpin oleh dosen swasta neuroscientist Dr. Tonio Ball menunjukkan bagaimana gagasan dari ilmu komputer dapat merevolusi penelitian otak. Dalam jurnal ilmiah Human Brain Mapping, mereka menggambarkan bagaimana algoritma self-learning menerjemahkan sinyal otak manusia yang diukur dengan electroencephalogram (EEG).

Ini termasuk gerakan yang dilakukan, tapi juga gerakan tangan dan kaki yang hanya dipikirkan, atau rotasi objek imajiner. Meskipun algoritma ini tidak diberi karakteristik sebelumnya, ia bekerja dengan cepat dan tepat seperti sistem tradisional yang telah diciptakan untuk menyelesaikan tugas tertentu berdasarkan karakteristik sinyal otak yang telah ditentukan sebelumnya, sehingga tidak sesuai untuk setiap situasi.

Di Rumah Sakit Universitas Freiburg, misalnya, dapat digunakan untuk deteksi dini serangan epilepsi. Ini juga bisa digunakan untuk memperbaiki kemungkinan komunikasi bagi pasien lumpuh atau diagnosis neurologis otomatis.

"Perangkat lunak kami didasarkan pada model yang diilhami otak yang terbukti sangat membantu untuk memecahkan kode berbagai sinyal alami seperti suara fonetik," kata ilmuwan komputer Robin Tibor Schirrmeister. Peneliti menggunakannya untuk menulis ulang metode yang telah digunakan tim untuk memecahkan kode data EEG: Jaringan syaraf tiruan yang disebut adalah inti dari proyek saat ini di BrainLinks-BrainTools. "Hal yang hebat tentang program ini adalah kita tidak perlu menentukan karakteristik apapun, 

Sistem belajar mengenali dan membedakan antara pola perilaku tertentu. Dari berbagai gerakan seiring berjalannya waktu, "jelas Schirrmeister. Model ini didasarkan pada hubungan antara sel saraf di tubuh manusia dimana sinyal listrik dari sinapsis diarahkan dari tonjolan seluler ke inti sel dan kembali lagi. "Teori telah beredar selama beberapa dekade, tapi baru pada saat munculnya kekuatan pemrosesan komputer saat ini sehingga modelnya menjadi layak," komentar Schirrmeister.

Biasanya, presisi model meningkat dengan sejumlah besar lapisan pemrosesan. Sampai 31kali digunakan selama penelitian, atau dikenal sebagai "Deep Learning."

Semua proses algoritmik terjadi di latar belakang dan tidak terlihat. Itulah sebabnya para periset mengembangkan perangkat lunak untuk membuat kartu dari mana mereka bisa memahami keputusan decoding. Para peneliti dapat memasukkan dataset baru ke dalam sistem kapan saja. "Tidak seperti metode lama, kita sekarang bisa langsung masuk ke sinyal mentah bahwa rekaman EEG dari otak. Sistem kita sama persis, jika tidak lebih baik, daripada yang lama," kata penyidik ​​kepala Tonio Ball, yang meringkas penelitian tersebut. Kontribusi penelitian Potensi teknologinya belum pernah habis - bersama timnya, peneliti ingin terus mengembangkannya: "Visi kami untuk masa depan mencakup algoritma pembelajaran mandiri yang dapat dipercaya dan cepat mengenali berbagai tujuan pengguna berdasarkan pada otak mereka. Selain itu, algoritma semacam itu bisa membantu diagnosis neurologis. "