Karnegi Mellon Universiteti tərəfindən

redaktə edən: Gaby Clark , rəy verən: Andrew Zinin

 Redaktorların qeydləri

 GIST

Tercih edilən mənbə kimi əlavə edin

İnsan-maşın birgə öyrənmə çərçivəsi, eksperimental paradiqma və sessiya strukturu. Mənbə: Nature Communications (2026). DOI: 10.1038/s41467-026-75435-5

Beyinə implantasiya edilə bilən cihazlar təxminən 30 ildir ki, əlilliyi olan insanlara motor tapşırıqlarını yerinə yetirməkdə kömək etmək üçün istifadə olunur. Lakin cihazlar köməyə ehtiyacı olan insanların böyük əksəriyyəti üçün əlçatan deyil. Bu sahədə onilliklər ərzində işləməsinə baxmayaraq, dünyada 100-dən az insan bu texnologiyadan faydalanıb. Xərclər həddindən artıq yüksəkdir və beyin əməliyyatları mahiyyət etibarilə risklidir.

Buna görə də Karnegi Mellon tədqiqatçıları, o cümlədən biotibbi mühəndislik, elektrik və kompüter mühəndisliyi professoru Bin He və Neyroelmlər İnstitutu uzun müddətdir ki, daha ucuz, daha təhlükəsiz və daha geniş əhali üçün daha əlçatan olan texnologiya inkişaf etdirmək üçün qeyri-invaziv beyin-kompüter interfeysləri (BKİ) üzərində işləyirlər. Son 10-15 il ərzində onlar dron idarə etmək, robot qolu idarə etmək, robot qolu davamlı idarə etmək və ən son olaraq barmaq səviyyəsində incə motor tapşırıqlarını yerinə yetirmək üçün qeyri-invaziv BKİ-lərdən istifadə ediblər. Bununla belə, qeyri-invaziv texnologiyadan istifadənin dəqiqliyi və idarəetmə səviyyəsi hələ də çətin olaraq qalır.

İki növ öyrənmənin əlaqələndirilməsi

Henin rəhbərlik etdiyi tədqiqatçılar qrupu ilk dəfə olaraq qeyri-invaziv BKİ-lərdə insan öyrənməsini və maşın öyrənməsini birləşdirən hibrid texnologiya hazırlayıb. Nature Communications jurnalında dərc olunan tədqiqatın nəticələri , uzun müddətdir davam edən təlim səmərəsizliyini birbaşa həll edən və möhkəm və ümumiləşdirilə bilən neyron interfeyslərinə doğru genişlənə bilən bir yol yaradan yeni bir çərçivə vasitəsilə BKİ-lərdə əhəmiyyətli bir elmi və texnoloji irəliləyiş olduğunu göstərir.Sensorla idarə olunan birgə öyrənmə çərçivəsi, sessiyalar və nəzarət paradiqmaları arasında üstün onlayn MI-BCI performansına nail olur. Mənbə: Nature Communications (2026). DOI: 10.1038/s41467-026-75435-5

Yeni çərçivə ilə həll edilən çətinliklərdən biri də insanların və kompüterlərin fərqli yollarla öyrənməsidir. İnsanlar sınaq və səhv yolu ilə öyrənirlər, çünki beynimiz fərqli şeyləri sınayır, rəy alır və işləyən şeylərə əsasən özlərini yenidən qurur. Süni intellekt və ya maşın öyrənmə kodu ən səmərəli yolu tapmaq üçün sərt, proqnozlaşdırıla bilən riyazi düsturlardan istifadə edərək özünü yeniləyir. İnsan beyni və kompüter proqramı bu qədər fərqli yollarla uyğunlaşdıqları üçün sinxronizasiyadan çıxa və ya fərqli istiqamətlərə çəkilə bilər ki, bu da BCI üçün maneə yarada bilər.

Bu tədqiqatda tədqiqatçılar bu iki öyrənmə üsulunu açıq şəkildə birləşdirən ilk sensor yönümlü birgə öyrənmə çərçivəsini təqdim etdilər. İstifadəçi strategiyalarını formalaşdırmaq üçün strukturlaşdırılmış toxunma rəhbərliyini tətbiq etməklə və informativ neyron nümunələrini seçici şəkildə ağırlaşdıran adaptiv alqoritmləri tətbiq etməklə, onların yeni yanaşması insan neyroplastikliyini dekoder optimallaşdırması ilə uyğunlaşdırır.

Yeni istifadəçilərdə güclü nəticələr

BCI üzrə təlim keçməmiş 31 sağlam iştirakçı üzərində aparılan bir araşdırmada tədqiqatçılar sensor yönümlü birgə öyrənmə çərçivəsinin artan mürəkkəblikdəki tapşırıqlar üzrə motor görüntülərinin idarə olunmasında sürətli və davamlı irəliləyişlər yaratdığını nümayiş etdirdilər. İştirakçılar birölçülü kursor idarəetməsi üçün 86%, ikiölçülü kursor idarəetməsi üçün isə 77,5% orta diskret dəqiqliyə, 77,5% (1D) və 66,9% (2D) davamlı dəqiqliyə nail oldular.

Tədqiqatın baş müəllifi olan o, bu performans səviyyələrinin məhdud təlim keçmiş BCI istifadəçilərində nadir hallarda müşahidə olunduğunu söylədi.

He dedi: “Neyrologiya və maşın öyrənməsini birləşdirməklə, invaziv beyin-kompüter interfeyslərinin dəqiqliyinə getdikcə daha da yaxınlaşırıq. Gücləndirməyə əsaslanan neyron plastikliyini qradiyent əsaslı dekoder optimallaşdırması ilə uyğunlaşdırmaqla, yanaşmamız passiv kalibrləmə və ya birtərəfli rəyə əsaslanan ənənəvi BCI təlim protokollarının məhdudiyyətlərini aşır.”

Nəticə yalnız dəqiqlikdə nəzərəçarpacaq dərəcədə yaxşılaşma deyil, həm də hər iki tərəfdaşın ortaq, fizioloji cəhətdən əsaslandırılmış idarəetmə strategiyalarına doğru birləşdiyi insan-maşın birgə adaptasiyasının tamamilə yeni bir rejiminin yaradılmasıdır.

Gündəlik istifadə üçün daha aydın bir yol

Laboratoriya təsdiqindən əlavə, o, bu yeni inteqrasiya olunmuş yanaşmanın açıq translyasiya potensialına malik olduğunu söylədi. Təlim keçməmiş istifadəçilərdə sürətli və etibarlı BCI nəzarətinə nail olmaq qabiliyyəti, xüsusən də neyroreabilitasiya, köməkçi ünsiyyət və protez nəzarətində klinik tətbiqə mane olan əsas maneəni aradan qaldırır.

O, dedi: “Təlim tələblərini azaltmaqla yanaşı, neyron əlaqəsini artırmaqla, sensor yönümlü birgə öyrənmə çərçivəsi qeyri-invaziv BCI-ləri miqyaslı, gündəlik istifadəyə daha da yaxınlaşdırır. Bunu etməklə, bu, kalibrləmə intensiv sistemlərdən real həyat qabiliyyətinə malik adaptiv, istifadəçi mərkəzli neyron interfeyslərinə doğru paradiqma dəyişikliyini qeyd edir.”

“Bu sahədə nə qədər çox iş görsək, bir gün beyinə implantasiya edilmiş cihaz qədər dəqiq olan qeyri-invaziv BCI-yə çatma ehtimalımız bir o qədər yüksəkdir”, – deyə He bildirib. “Bu, mənim ümidim, arzumdur.”

Nəşr detalları

Hanwen Wang və digərləri, Sensorla idarə olunan insan-maşın birgə öyrənməsi motor görüntülərinin beyin kompüter interfeysi nəzarətinin əldə edilməsini sürətləndirir, Nature Communications (2026). DOI: 10.1038/s41467-026-75435-5

Jurnal məlumatları: Nature Communications 

Əsas anlayışlar

Neyromorfik süni intellekt avadanlığıTəcəssüm etdirən robot manipulyasiyaMaşın öyrənmə metodologiyalarıKarnegi Mellon Universiteti tərəfindən təmin edilir