دانشمندان موفق شدند داده‌های مغزی را رمزگشایی کنند

اوایل سال جاری بود که 30 نفر از برجسته‌ترین متخصصان علوم اعصاب و برنامه‌نویسان خبره جهان گرد هم آمدند تا درباره خواندن داده‌های مغزی به تبادل نظر بپردازند و دانش خود در زمینه خواندن داده‌های مغزی را بهبود ببخشند. در این گردهمایی که جمعی از برجسته‌ترین پژوهشگران دانشگاه پرینستون و مهندسانی برجسته از شرکت اینتل (بزرگ‌ترین تولیدکننده پردازنده‌های کامپیوتری) حضور داشتند، از نرم‌افزاری رونمایی کردند که قادر است به‌طور آنی به رمزگشایی داده‌های مغزی بپردازد. اما این تمام ماجرا نیست. گروهی از پژوهشگران دانشگاه کارنگی نیز به پیشرفت‌هایی در زمینه خواندن افکار انسان‌ها دست پیدا کرده‌اند، اما به نظر می‌رسد نرم‌افزار ساخته شده از سوی اینتل و پرینستون آماده استفاده است.

تعامل پژوهشگران پرینستون و اینتل به خلق نرم‌افزار جدیدی منجر شد

همکاری مشترک میان پژوهشگران دانشگاه پرینستون و اینتل باعث تسریع در فرآیند رمزگشایی داده‌های دیجیتالی شده که از مغز انسان به دست آمده است. داده‌هایی که از طریق تصویربرداری بازآوایی مغناطیسی موسوم به fMRI به دست آمده‌اند، به ما نشان می‌دهند که فعالیت‌های مختلف عصبی که درنهایت به یادگیری، به ‌خاطر سپاری و انواع دیگری از فعالیت‌های شناختی منجر می‌شوند، چگونه شکل می‌گیرند. (شکل 1) 

شکل 1 - در روش ابداعی دانشگاه پرینستون و اینتل فرآیند نظارت بر داده‌های اسکن مغزی به صورت آنی انجام می‌شود.

جاناتان کوهن استاد عصب‌شناسی و عضو هیئت مدیره مؤسسه عصب‌شناسی پرینستون، روبرت بنتیم و لین بنتیم اساتید علوم اعصاب در مقاله‌ای تحت عنوان «پیشرفت‌های محاسباتی در زمینه رمزگشایی اسکن مغزی» که در روزنامه Nature Neuroscience به چاپ رسیده است، در این ارتباط گفته‌اند: «توانایی نظارت بی‌درنگ بر مغز در زمان انجام یک فعالیت خاص دستاوردهای بزرگی به همراه می‌آورد. به‌واسطه آنکه از نظارت بی‌درنگ می‌توانیم به‌منظور تشخیص و درمان اختلالات مغزی و تحقیقات زیربنایی درباره نحوه عملکرد مغز استفاده کنیم.» (شکل 2)

شکل 2 - نیکلاس براون استاد روان‌شناسی دانشگاه پرینستون

 پروفسور کوهن که دکترای روان‌شناسی نیز دارد، در بخشی از صحبت‌های خود به این موضوع اشاره می‌کند که نزدیک به 2 سال پژوهشگران به‌صورت شبانه‌روزی روی این پروژه کار کردند تا درنهایت بتوانند فرآیند استخراج داده‌ها از طریق اسکن‌ مغزی را از مدت زمان چند روز به 1 ثانیه کاهش دهند. این تیم از پژوهشگران بر این باور هستند که رمزگشایی بی‌درنگ افکار انسان به آن‌ها اجازه می‌دهد تا گونه خاصی از تحقیقات را انجام دهند. ایده انجام چنین پژوهشی از سوی بنامین هاچینسون، دانشیار اسبق مؤسسه عصب‌شناسی
Princeton Neuroscience و استادیار فعلی دانشگاه Northeastern پیشنهاد شده بود. هدف او از ارائه این ایده پژوهشی بررسی فعالیت مغز یک انسان در شرایطی بود که فرد به محیط اطراف خود توجه می‌کند و در ادامه این فعالیت مغزی را با زمانی که فرد به خاطرات یا افکار دیگری فکر می‌کند، مورد مقایسه قرار داد. به‌ عبارت دیگر، هاچینسون به‌دنبال آن بود تا تفاوت فعالیت‌های فکری را در دو وضعیت مختلف مورد بررسی قرار دهد. در این آزمایش، هاچینسون یکی از دانشجویان مقطع تحصیلات تکمیلی را به‌عنوان داوطلب انتخاب کرد و از او خواست تا روی پویشگر fMRI بخوابد و به تصویری که مقابلش قرار دارد نگاه کند. تصویری که مملو از افرادی بود که در یک کافه شلوغ قرار داشتند. هاچینسون در ادامه به اتاق مجاور رفت و از طریق کامپیوتر خود به رمزگشایی افکار این دواطلب پرداخت تا اطلاع پیدا کند آیا این دانشجو به تصویری که به آن نگاه می‌کند فکر می‌کند یا تمرکز خود را از دست داده است و به موضوعات دیگری فکر می‌کند. هاچینسون زمانی که اطمینان حاصل می‌کرد داوطلب به تصویری که مقابل دید‌گانش قرار دارد فکر می‌کند، نور عکس را بیشتر و آن را روشن‌تر و هنگامی که اطلاع پیدا کرد تمرکز داوطلب کم شده است، از طریق کم کردن نور عکس بازخوردهای لازم را در اختیار داوطلب قرار می‌داد. (شکل 3) 

شکل 3 - دانشمندان از طریق کم و زیاد کردن نور تصویر ذهن داوطلب را روی تصویر متمرکز می‌کردند.

تئودور ویلک مهندس ارشد آزمایشگاه‌ اینتل در اورگان و مدیر آزمایشگاه Mind’s Eye اینتل که سرپرستی مهندسان اینتل را در این پروژه عهده‌دار بود، در این ارتباط گفته است: «همکاری مشترک میان مؤسسه عصب‌شناسی پرینستون و اینتل در زمینه رمزگشایی افکار انسان در درازمدت کمک خواهد کرد تا پیشرفت‌های عظیمی در حوزه‌های مختلف علوم به وجود آید. به ‌طور مثال، متخصصان علوم اعصاب که به‌دنبال درک درستی از نحوه عملکرد مغز هستند یا پژوهشگران علوم رایانه‌ای که به‌دنبال توسعه الگوریتم‌ها و روش‌های پردازشی هستند که به‌منظور گروه‌بندی و تحلیل بزرگ داده‌ها با سرعتی مافوق تصور مورد استفاده قرار می‌گیرند، از جمله مخاطبان اصلی این پژوهش هستند. اینتل همواره علاقه‌مند است روی پروژه‌های نوظهوری کار کند که خروجی آن‌ها به شکل‌گیری راهکاری جدید در زمینه محاسبات با کارایی بالا منجر می‌شود. همکاری با مؤسسه پرینستون فرصت بی‌نظیری بود که ما را با چالش‌های جدیدی روبه‌رو کرد. امیدواریم نتایج به دست آمده از این پروژه در موارد توانایی‌های ذهنی و شناختی انسان در حوزه‌های دیگری همچون یادگیری ماشینی و هوش مصنوعی مورد استفاده قرار گیرد، به‌ طوری که این فناوری‌های هوشمند درنهایت راه را برای ساخت ماشین‌های خودران ایمن، کشف داروهای جدید و تشخیص زودهنگان سرطان هموار سازند.» 

مطلب پیشنهادی

کاربردی‌ترین کتابخانه یادگیری ماشینی

یادگیری ماشینی از طریق جاوااسکریپت به درون مرورگرهای کاربران آمد

از 20 سال پیش که دستگاه fMRI اختراع شد تا به امروز، پژوهشگران علوم اعصاب به‌دنبال آن بودند از طریق هر اسکن مغزی به تجزیه و تحلیل داده‌ها بپردازند و به این شکل توانایی خود را در تفسیر داده‌ها بهبود بخشند. یک اسکنر تصویربرداری بازآوایی مغناطیسی قادر است تغییرات جریان خون در مغز را لحظه به لحظه و زمانی که شخصی به موضوعی فکر می‌کند، به‌طور بی‌درنگ ثبت کند. اما به‌سختی می‌توان از طریق اسکنرهای MRI افکار واقعی مغز یک انسان را خواند. این سختی زمانی دو چندان می‌شود که در نظر داشته باشید به‌طور بی‌درنگ و آن هم بدون هیچ تأخیری این افکار را بخوانید. تا به امروز مؤسسات پژوهشی از جمله پرینستون راهکارهای مختلفی را برای پردازش داده‌هایی که از اسکن‌ها به دست آمده‌اند ارائه کرده‌اند. به ‌طور مثال، پیتر راماج استاد مهندسی برق دانشگاه پرینستون و دانشگاه Gordon Y.S. Wu، راهکاری را ابداع کرد که به پژوهشگران اجازه می‌داد الگوهای فعالیت مغزی مرتبط با افکار خاص را از طریق ترکیب داده‌های به دست آمده از اسکن مغزی افراد تشخیص دهند. پژوهشی که از سوی آقای راماج انجام شد، یکی از مباحث داغ این روزهای حوزه علوم اعصاب است، به‌ طوری که بسیاری از مؤسسات و پژوهشگران به‌دنبال ابداع و طراحی الگوریتم‌هایی هستند که بتوانند این چنین تفسیرها و تحلیل‌هایی را ارائه کنند. امروزه سامانه‌های کامپیوتری با قدرت محاسباتی بالا به ما کمک کرده‌اند تا زمان تحلیل داده‌ها را به‌شکل قابل توجهی کاهش دهیم. برای این منظور ما داده‌ها را به بخش‌های جداگانه‌ای تقسیم می‌کنیم و به‌صورت موازی و هم‌زمان به پردازش این داده‌ها می‌پردازیم و آن‌ها را تفسیر می‌کنیم. 
کایی لی استاد علوم کامپیوتری دانشگاه پرینستون و یکی از بنیان‌گذاران این گروه در این ارتباط گفته است: «ترکیبی از الگوریتم‌های پیشرفته همراه با رایانش موازی قدرتمندتر به پژوهشگران پرینستون و اینتل کمک کرده است تا فرآیند اسکن و پردازش داده‌های به دست آماده از اسکن مغزی را به‌طور بی‌درنگ و بدون تأخیر انجام دهند.» از زمان آغاز همکاری اینتل با دانشگاه پرینستون از سال 2015 تا به امروز این شرکت بیش از 1.5 میلیون دلار به‌منظور خرید تجهیزات سخت‌افزاری و پشتیبانی از دانشجویان مقطع تحصیلات تکمیلی این دانشگاه که در این تحقیق مشارکت داشته‌اند، کمک مالی کرده است. اینتل همچنین 10 دانشمند علوم کامپیوتری این دانشگاه که روی این پروژه کار کرده‌اند را استخدام کرده است.

پروژه‌ای که با اتکا بر یادگیری ماشینی کار می‌کند

الگوریتم‌هایی که این گروه علمی موفق شدند آن‌ را توسعه ‌دهند، با اتکا بر یادگیری ماشینی قادرند تفکرات انسانی را از درون داده‌ها استخراج کنند. روشی که این گروه از آن استفاده کرده‌اند درست همانند راهکاری است که فیس‌بوک به‌منظور تشخیص چهره افراد از آن استفاده می‌کند و به مردم کمک می‌کند آشنایان خود را در فضای مجازی پیدا کنند. برای آنکه الگوریتم‌های مبتنی بر یادگیری ماشینی بتوانند به‌خوبی اشیا یا مفاهیمی که قبلاً آن‌ها را مشاهده نکرده‌اند طبقه‌بندی کنند، باید مورد آموزش قرار گیرند. برای این منظور داده‌های مشخصی به‌عنوان پایه و نمونه در اختیار الگوریتم قرار می‌گیرد تا در ادامه با استناد به این داده‌ها قادر باشد فرآیند تفسیر داده‌ها را به‌درستی انجام دهد. ماحصل این همکاری مشترک میان اینتل و پرینستون توسعه و ساخت یک کیت ابزاری کاربردی به‌نام کیت تحلیل تصویری مغزی (BrainIAK) (سرنام Brain Imaging Analysis Kit) بوده است. پژوهشگرانی که در نظر دارند داده‌های fMRI را مورد پردازش قرار دهند، قادرند از این کیت استفاده کنند و به‌واسطه آن این گروه کیت فوق را به‌صورت رایگان در اختیار پژوهشگران قرار داده‌اند. برای دانلود این کیت به نشانی https://github.com/IntelPNI/brainiak مراجعه کنید. این تیم اکنون به‌دنبال آن هستند تا یک سرویس تجزیه و تحلیل بی‌درنگ آنلاین را راه‌اندازی کنند. آقای لی در این ارتباط گفته است: «هدف ما از راه‌اندازی یک سرویس آنلاین این است که به پژوهشگرانی که به سامانه‌های کامپیوتری با توان محاسباتی بالا دسترسی ندارند یا قادر نیستند نرم‌افزارهای تحلیل‌گر این ‌گونه کدها را نوشته و آن‌ها را اجرا کنند، کمک کنیم از این سرویس به‌منظور رمزگشایی داده‌های مغزی استفاده کنند.»

مطلب پیشنهادی

یادگیری ماشینی در خدمت هنر

طراحی یک نرم‌افزار یا سرویس رمزگشای داده‌های مغزی چه سودی دارد؟

تحقیقاتی که در این زمینه از سوی دانشمندان انجام می‌شود، به آحاد مردم کمک می‌کند بر مشکل عدم تمرکز یا سایر مشکلات مغزی مشابه به‌شکل لحظه‌ای غلبه کنند. (شکل 4) به‌واسطه آنکه چنین پروژه‌هایی به‌دنبال آن هستند تا بازخوردهای آنی و لحظه‌ای را در اختیار مردم قرار دهند. به‌ طور مثال، بازخوردهای بی‌درنگ به بیماران کمک می‌کند به مغز خود آموزش دهند در مواجه شدن با خاطرات ناخوشایند که باعث برهم زدن تمرکز آن‌ها شده است یا حتی زندگی آن‌ها را دستخوش تلاطم می‌سازد مقابله کنند. 

شکل 4 - مدت زمان تحلیل داده‌های اسکن مغزی اکنون به چند ثانیه تقلیل پیدا کرده است.

آقای کوهن در این ارتباط گفته است: «برای آنکه مطمئن شویم مغز به‌شکل درست و صحیحی در حال یادگیری الگوهای جدید است، به اعتبارسنجی و صحت‌سنجی بیشتری نیاز داریم. به‌واسطه آنکه این احتمال وجود دارد که مغز در مدت زمان یادگیری تنها در زمینه انجام خود تمرین به مهارت رسیده باشد، در حالی که ما به‌دنبال آن بودیم تا الگوهای جدیدی را به مغز آموزش دهیم. تکنیک‌های مبتنی بر بازخوردها این پتانسیل را دارند تا به‌منظور توسعه و ارائه راهکارهای درمانی جدید مورد استفاده قرار گیرند. تحلیل بی‌درنگ افکار به روان‌پزشکان بالینی اجازه می‌دهد بیماری‌ها یا اختلالات عصبی را در سریع‌ترین زمان ممکن تشخیص دهند.» کنت نورمن استاد روان‌شناسی در دانشگاه پرینستون در این ارتباط گفته است: «توانایی رمزگشایی بی‌درنگ افکار در زمینه تحقیقات پایه‌ای مغز کاربردهای فراوانی دارد. ما به‌عنوان دانشمندان علوم نورولوژیکی همواره به‌دنبال پاسخ این پرسش هستیم که مغز چگونه فرآیند اندیشیدن را آغاز می‌کند. اگر موفق شویم به جواب این پرسش به‌طور بی‌درنگ و آن هم درست زمانی که مغز در حال انجام این کار است دست پیدا کنیم، گستره علمی ما در این زمینه به‌شکل قابل توجهی افزایش پیدا می‌کند.»

مطلب پیشنهادی

محققان خود را برای تهدیدات عصر کامپیوترهای کوانتومی آماده می‌کنند

مهاجمان کوانتومی: امروز ضبط می‌کنند، سال‌ها بعد رمزگشایی می‌کنند!

فناوری به‌شکل دیگری نیز می‌تواند در این زمینه راهگشا باشد

ما این توانایی را داریم تا از فناوری به‌منظور بررسی این موضوع که فرآیند یادگیری در انسان‌ها به چه شکلی انجام می‌شود استفاده کنیم. به ‌طور مثال، هنگامی که یک انسان در حال گوش کردن به درس ریاضی است، الگوهای عصبی شناخته ‌شده‌ای در مغز او فعال می‌شوند. حال اگر بتوانیم به الگوهای عصبی افرادی که در زمینه ریاضیات خوب عمل می‌کنند نگاه کنیم و تفاوت الگوهای عصبی آن‌ها را با افرادی که در ریاضیات موفق نیستند مورد مقایسه قرار دهیم، می‌توانیم الگوهای عصبی افراد ضعیف در رشته‌ای همچون ریاضیات را تقویت کنیم. این تیم اکنون روی موضوع بهبود فناوری‌هایی که سعی می‌کنند افکار واضح افراد را به دست آورند متمرکز شده‌اند. به‌ طور مثال، آن‌ها به‌دنبال رمزگشایی بی‌درنگ از موضوعی هستند که شخصی به آن فکر می‌کند یا تصویری که شخصی در ذهن خود تجسم کرده است. یکی از بزرگ‌ترین چالش‌هایی که این دانشمندان با آن روبه‌رو بودند این بود که چگونه می‌توان از یادگیری ماشینی به‌منظور استخراج و تفسیر داده‌هایی استفاده کرد که از فرآیند اسکن مغزی به دست آمده است. امروزه الگوریتم‌هایی که در زمینه تشخیص چهره مورد استفاده قرار می‌گیرند، در ابتدا از طریق اسکن صدها هزار عکس و تصویر آموزش می‌بینند تا درنهایت این توانایی را داشته باشند تا تصاویر مختلف را طبقه‌بندی کنند. در حالی که این امکان وجود ندارد تا یادگیری ماشینی را در ارتباط با داده‌های اسکن مغزی به این شکل آموزش داد. دانشمندان در این زمینه با محدودیت زیادی روبه‌رو هستند و در بهترین حالت قادرند از طریق تعداد محدودی اسکن (چند صد قطعه داده‌ای) که از افراد داوطلب به دست می‌آید استفاده کنند. هرچند دانشمندان به‌لحاظ کمی با محدودیت‌هایی روبه‌رو بودند، اما به‌لحاظ کیفی محدودیتی نداشتند. به‌واسطه آنکه هر اسکن مغزی حجم قابل توجهی از داده‌ها را در خود جای داده است. در یک اسکن معمولی شما نزدیک به صد هزار واکسل در اختیار دارید. اگر هر واکسل‌ با واکسل‌های دیگر ارتباط برقرار کند (گفت‌وگو کند)، تعداد ارتباطات شما فراتر از حد تصور می‌شود. جالب آنکه ارتباطات واکسل‌ها در هر ثانیه تغییر وضعیت می‌دهند. (شکل 5) اما پژوهشگران پرینستون و مهندسان اینتل موفق شدند بر این چالش عظیم محاسباتی غلبه و برای آن راه‌ حلی ابداع کنند. 

شکل 5 - نمایی از اسکنری که دواطلبان روی آن قرار می‌گیرند.

مطلب پیشنهادی

سرآغازی بر یک عصر جدید

پژوهشگران برای اولین بار مغز انسان را به اینترنت متصل کردند

این چالشی بود که باربارا انگلهارت و ییدا وانگ استادیار علوم رایانه‌ای که هم‌اکنون در شرکت اینتل به فعالیت اشتغال دارند، موفق شدند برای آن راه‌ حلی ابداع کنند. نیکلاس براون استاد روان‌شناسی دانشگاه پرینستون در این ارتباط گفته است: «تا قبل از ابداع چنین راهکاری شما مجبور بودید برای تحلیل داده‌های اسکن مغزی حداقل چند ماه زمان سپری کنید. اما اکنون پژوهشگران این شانس را دارند تا شرایط آزمایش را به‌شکل سریع در زمان اجرا تغییر دهند و تحلیل‌های به دست آمده از اسکن داده‌های fMRI را مشاهده کنند. فرض کنید در ابتدا تشخیص من این بوده است که باید ناحیه خاصی از مغز مورد بررسی قرار گیرد، اما پس از اسکن زنده و بی‌درنگ متوجه می‌شود که اشتباه کرده‌ام و آن ناحیه از مغز درباره فعالیت خاصی زیاد مشغول نبوده است، در این حالت از بیمار/ داوطلب خود درخواست می‌کنم تا نوع یا شدت فعالیت مغزی خود را تغییر دهد تا آن ناحیه از مغز که باید مورد بررسی قرار گیرد فعال‌تر شود. این رویکرد به ما اجازه می‌دهد فرآیند تشخیص و دستیابی به راهکارهای نوین علمی را با سرعت بیشتری بهبود بخشیم. هدف کلی ما این است که بتوانیم تصویری کلی از افکار انسان‌ها را به وجود آوریم. اگر شما وقتی روی اسکنری قرار می‌گیرید به خاطره‌ای از دوران کودکی خود فکر می‌کنید، ما در تلاش هستیم تا به‌طور بی‌درنگ تصویری از آن خاطره را روی صفحه ‌نمایش مقابل دیدگان شما قرار دهیم. (شکل 6) هنوز تا رسیدن به چنین مرحله‌ای فاصله زیادی داریم، اما پیشرفت‌های ما در این زمینه قابل توجه بوده‌اند.» 

شکل 6 - هر پژوهشگری در سراسر جهان قادر است از کیت BrainIAK استفاده کند.