Команда исследователей во главе с профессором Пенсильванского университета Майклом Каханой доказала, что алгоритмы машинного обучения способны помочь разгадать и улучшить механизмы запоминания информации человеком, сообщает Wired со ссылкой на публикацию в Nature Communications.
В исследовании принимало участие 25 пациентов с эпилепсией, каждому из которых в кору головного мозга установили от 100 до 200 электродов для мониторинга приступов. Учёные также использовали импланты, чтобы отслеживать всплески мозговой активности во время решения испытуемыми задач на запоминание.
В ходе эксперимента алгоритмы машинного обучения учились связывать сигналы электродов с тем, запомнит ли в итоге пациент заданное слово. Для начала исследователи выяснили, как выглядит «электрограмма» процесса запоминания. Пока пациенты читали и пытались запомнить слова, Кахана и его коллеги регистрировали тысячи импульсов изменяющейся силы в секунду, которые поступали от электродов. Далее они проверяли, какие из слов пациент усвоил, и собирали данные о том, как реагировал мозг на слова, которые останутся в памяти или будут забыты.
Эксперимент повторяли с каждым пациентом 2-3 раза. Так команда собрала достаточно данных, чтобы алгоритм научился подстраиваться под конкретного человека и на основании поступающих от электродов импульсов предсказывать, какие из слов он запомнит.
Но электроды не просто считывают нейронную активность: они могут и стимулировать её. Поэтому исследователи также пробовали «расшевелить» мозг и закрепить в нём воспринимаемую информацию. Каждые несколько секунд подопытному показывали новое слово, а только что обучившийся алгоритм определял, готов ли мозг запомнить его. По словам Каханы, замкнутая стимуляция (стимуляция в ответ на нейронный импульс) даёт возможность за десятые доли секунды зафиксировать и проанализировать работу мозга, а также принять решение о необходимости стимуляции.
При таком подходе количество слов, которые запомнили пациенты, увеличилось в среднем на 15 процентов.
Ранее команда Майкла Каханы уже подтверждала эффективность электрической стимуляции мозга для формирования памяти. В прошлом году она установила, что электростимуляция может как улучшать, так и ухудшать когнитивные способности мозга в зависимости от того, в какой момент в него поступает импульс. В той работе испытуемые показывали лучшие результаты, когда исследователи стимулировали ответственные за запоминание зоны в период их низкой активности, а во время наибольшей активности стимуляция давала противоположный эффект. Но практической значимости находка не имела — исследователям лишь удалось установить связь между памятью и активностью мозга уже после проведения тестов на запоминание. Чтобы действительно влиять на этот процесс, электрические импульсы должны поступать непосредственно во время усвоения информации.
Эту проблему Кахана и его коллеги смогли решить именно при помощи алгоритма машинного обучения.
«Мы использовали технологию, чтобы построить своего рода декодер, который на основе нейронной активности сможет определять, восприимчив ли мозг к информации в данный момент времени», — говорит учёный.
Если слова и так запоминаются хорошо, то необходимости стимулировать мозг нет. В противном случае его быстро приводят в работоспособное состояние — как кардиостимулятор для сердца.
По мнению некоторых независимых учёных, у этой технологии большое будущее в медицине. Вопрос лишь в том, насколько плодотворными будут дальнейшие исследования. Если в мозг пациента встроить более точные электроды и в большем количестве, то алгоритм сможет активнее считывать сигналы нейронов, точнее и быстрее их локализовывать. Для обучения модели также требуются большие объёмы данных, но пациенты с эпилепсией могут принимать участие в подобных исследованиях максимум в течение пары недель, что несколько ограничивает их. Алгоритм машинного обучения, который «встретился» с пациентом более трёх раз, сможет превзойти показатели, которых добились коллеги Кахана в последнем эксперименте.
Но даже в таком случае учёные берут на себя ответственность за использование до конца не изученных методик для изучения мозга и тем более воздействия на него. Ведь несмотря на явный прогресс в запоминании текстовой информации в отдельных случаях, по-прежнему неизвестно, как именно срабатывает этот способ стимуляции.
Так, исследователи пришли к выводу, что некоторые алгоритмы лучше поддаются изучению, чем другие. В описанном опыте применялся простой линейный классификатор, который позволил пронаблюдать, как активность на отдельных электродах может влиять на способность модели устанавливать закономерности в работе мозга.
Но более сложные технологии глубинного обучения не обязательно помогут значительно улучшить когнитивные способности человека. Если это будет происходить, исследователям, вероятнее всего, будет сложно понять, почему алгоритм решил послать электрический импульс в мозг в конкретный момент времени.
Релоцировались? Теперь вы можете комментировать без верификации аккаунта.