#новости
На днях появилась новость о любопытной статье, вышедшей 16 декабря в журнале Communications Biology.
Две команды из французского университета École Polytechnique объединились, чтобы создать нейроинтерфейс для управления роботами. Не просто так, а для помощи маломобильным людям и повышения качества их жизни.
Как обычно, в новости и видео о статье основной упор делается на машинное обучение, как на уникальный прорыв в нейротехнологиях. Даже словосочетание “artificial intelligence” проскочило, кошмар. Применение самого по себе машинного обучения в поиске закономерностей в сигналах ЭЭГ далеко не новая идея. Конкретно в этой статье используется reinforcement learning (простыми словами о том, что это, читать тут). А способ использования вообще делает это исследование особенной снежинкой на фоне прочих.
Как именно это работает здесь?
На человека надевают шапочку с электродами, с помощью которой снимают ЭЭГ. Перед человеком помещают роботизированные руки, которыми нужно управлять. С одним нюансом — роборуки носятся вокруг хрустального бокала, который очень не хочется уронить и разбить. Если роборуки делают неверное движение, бокалу крышка, человек расстраивается. А алгоритм это замечает, рефлексирует и управляет роботом более аккуратно. Более того, если роборуки проносятся близко к бокалу, человек напрягается и этим досрочно даёт понять алгоритму, что тот косячит.
Для полного погружения рекомендую посмотреть видео, в самом деле очень страшно за бокал.
Сейчас тренировочные сессии длятся от одного до трёх часов, что весьма долго. Я бы для ускорения обучения штрафовала испытуемого на стоимость бокала. Тем более, что для исследований приглашали 13 полностью здоровых человек.
Не буду скромняжкой и скажу, что у меня возникала похожая идея года полтора назад, но до релиза дело так и не дошло. Проблема в том, что обучение с подкреплением, во-первых, получается совсем уж неинтерпретируемым чёрным ящиком, и, во-вторых, вряд ли будет отличаться высоким качеством для шумных сигналов ЭЭГ. Тем не менее, я предсказываю успешное будущее такому подходу в случае
а) больших объемов данных,
б) использования в паре с обычным алгоритмом под каждого конкретного человека — эдакий semi-supervised learning получается.
Что касается пункта а), то исследователи не жадные, записанный ими датасет можно найти тут и самостоятельно поковыряться. Если вы ленивы, то можете использовать ещё и их код.
Сейчас алгоритм из статьи скорее является прототипом, но в плане у исследователей внедрить подобное управление еще и в инвалидное кресло. Это достойная цель, успехов им!
#EEG
#неинвазивный_интерфейс
#reinforcement_learning
На днях появилась новость о любопытной статье, вышедшей 16 декабря в журнале Communications Biology.
Две команды из французского университета École Polytechnique объединились, чтобы создать нейроинтерфейс для управления роботами. Не просто так, а для помощи маломобильным людям и повышения качества их жизни.
Как обычно, в новости и видео о статье основной упор делается на машинное обучение, как на уникальный прорыв в нейротехнологиях. Даже словосочетание “artificial intelligence” проскочило, кошмар. Применение самого по себе машинного обучения в поиске закономерностей в сигналах ЭЭГ далеко не новая идея. Конкретно в этой статье используется reinforcement learning (простыми словами о том, что это, читать тут). А способ использования вообще делает это исследование особенной снежинкой на фоне прочих.
Как именно это работает здесь?
На человека надевают шапочку с электродами, с помощью которой снимают ЭЭГ. Перед человеком помещают роботизированные руки, которыми нужно управлять. С одним нюансом — роборуки носятся вокруг хрустального бокала, который очень не хочется уронить и разбить. Если роборуки делают неверное движение, бокалу крышка, человек расстраивается. А алгоритм это замечает, рефлексирует и управляет роботом более аккуратно. Более того, если роборуки проносятся близко к бокалу, человек напрягается и этим досрочно даёт понять алгоритму, что тот косячит.
Для полного погружения рекомендую посмотреть видео, в самом деле очень страшно за бокал.
Сейчас тренировочные сессии длятся от одного до трёх часов, что весьма долго. Я бы для ускорения обучения штрафовала испытуемого на стоимость бокала. Тем более, что для исследований приглашали 13 полностью здоровых человек.
Не буду скромняжкой и скажу, что у меня возникала похожая идея года полтора назад, но до релиза дело так и не дошло. Проблема в том, что обучение с подкреплением, во-первых, получается совсем уж неинтерпретируемым чёрным ящиком, и, во-вторых, вряд ли будет отличаться высоким качеством для шумных сигналов ЭЭГ. Тем не менее, я предсказываю успешное будущее такому подходу в случае
а) больших объемов данных,
б) использования в паре с обычным алгоритмом под каждого конкретного человека — эдакий semi-supervised learning получается.
Что касается пункта а), то исследователи не жадные, записанный ими датасет можно найти тут и самостоятельно поковыряться. Если вы ленивы, то можете использовать ещё и их код.
Сейчас алгоритм из статьи скорее является прототипом, но в плане у исследователей внедрить подобное управление еще и в инвалидное кресло. Это достойная цель, успехов им!
#EEG
#неинвазивный_интерфейс
#reinforcement_learning