211service.com
Hjärnsamprocessorer
Ed Boyden , en biträdande professor, biologisk teknik och hjärn- och kognitiv vetenskap vid MIT Media Lab, kommer att hålla en presentation om hur man använder ljus för att studera och behandla hjärnsjukdomar kl. 15.30 på onsdagen på EmTech 2010 . Se ett liveflöde av sessionen här.
De senaste decennierna har sett en ökning av uppfinningar av teknologier som möjliggör observation eller störning av information i hjärnan. Funktionell MRT, som mäter blodflödesförändringar i samband med hjärnaktivitet, utforskas för så olika ändamål som lögndetektion, förutsägelse av mänskligt beslutsfattande och bedömning av språkåterhämtning efter stroke. Implanterade elektriska stimulatorer, som möjliggör kontroll av neurala kretsaktivitet, bärs av hundratusentals människor för att behandla tillstånd som dövhet, Parkinsons sjukdom och tvångssyndrom. Och nya metoder, som användningen av ljus för att aktivera eller tysta specifika neuroner i hjärnan, används i stor utsträckning av forskare för att avslöja insikter om hur man kontrollerar neurala kretsar för att uppnå terapeutiskt användbara förändringar i hjärnans dynamik. Vi går in i en neuroteknologisk renässans, där verktygslådan för att förstå hjärnan och konstruera dess funktioner expanderar i både omfattning och kraft i en aldrig tidigare skådad hastighet.
Denna verktygslåda har vuxit till den punkt där det strategiska utnyttjandet av flera neuroteknologier i kombination med varandra, som ett system, kan ge grundläggande nya förmågor, både vetenskapliga och kliniska, utöver vad de kan erbjuda ensamma. Tänk till exempel på ett system som läser ut aktivitet från en hjärnkrets, beräknar en strategi för att styra kretsen så att den går in i ett önskat tillstånd eller utför en specifik beräkning och sedan levererar information till hjärnan för att uppnå denna kontrollstrategi. Ett sådant system skulle göra det möjligt för hjärnberäkningar att styras av fördefinierade mål som satts av patienten eller läkaren, eller anpassas som svar på omständigheterna i patientens miljö eller det momentana tillståndet i patientens hjärna.
Några exempel på denna typ av hjärnsamprocessorteknologi är under aktiv utveckling, såsom system som stör den epileptiska hjärnan när ett anfall observeras elektriskt, och proteser för amputerade som registrerar nerver för att kontrollera konstgjorda lemmar och stimulera nerver att ge sensorisk feedback. Om man ser längre fram kan sådana systemarkitekturer ha mycket avancerade funktioner – att tillhandahålla just-in-time information till hjärnan hos en patient med demens för att förstärka kognitionen, eller skulptera risktagande profilen hos en missbrukarpatient i närvaro av stimuli som väcker begär.
Med tanke på det ständigt ökande antalet hjärnavläsnings- och kontrollteknologier som finns tillgängliga, skulle en generaliserad hjärnsamprocessorarkitektur kunna möjliggöras genom att definiera gemensamma gränssnitt som styr hur komponentteknologier pratar med varandra, såväl som ett operativsystem som definierar hur det övergripande systemet fungerar som en enhetlig helhet – analogt med hur persondatorer styr interaktionen mellan sina komponenters hårddiskar, minnen, processorer och bildskärmar. En sådan hjärnsamprocessorplattform skulle kunna underlätta innovation genom att göra det möjligt för neuroingenjörer att fokusera på neurala proteser på en algoritmisk nivå, ungefär som en datorprogrammerare kan arbeta på en dator på en konceptuell nivå utan att behöva planera varje enskild bits öde. Dessutom, om ny teknologi kommer, t.ex. en ny typ av neural inspelningsteknik, kan de inkorporeras i ett system och i princip snabbt kopplas till befintliga beräknings- och störningsmetoder, utan att kräva den tunga omanpassningen av dessa andra komponenter.
Att utveckla sådana hjärnsamprocessorarkitekturer skulle kräva en del arbete – i synnerhet skulle det kräva tekniker som är tillräckligt standardiserade, eller kanske tillräckligt öppna, för att kunna fungera i en mängd olika kombinationer. Ändå kunde mycket läras av att utveckla relativt enkla prototypsystem. Till exempel kan inspelningsteknologier i sig själva rapportera hjärnaktivitet, men kan inte helt intyga det orsaksbidrag som den observerade hjärnaktiviteten ger till ett specifikt beteendemässigt eller kliniskt resultat; kontrollteknologier kan mata in information i neurala mål, men i sig kan deras resultat vara svåra att tolka på grund av endogen neural information och oobserverad neural bearbetning. Dessa vetenskapliga frågor kan disambigueras av rudimentära hjärnsamprocessorer, byggda med lättillgängliga komponenter från hyllan, som använder inspelningstekniker för att bedöma hur en given neural kretsstörning förändrar hjärnans dynamik. Sådana undersökningar kan börja avslöja principer som styr hur man bäst kontrollerar en krets – avslöjar de neurala mål och kontrollstrategier som mest effektivt leder till ett målhjärntillstånd eller beteendeeffekt, och därmed pekar vägen till nya terapeutiska strategier. Miniatyr, implanterbara hjärnsamprocessorer kanske kan stödja nya typer av personlig medicin, till exempel kontinuerlig anpassning av en neural kontrollstrategi till målen, tillståndet, miljön och historien för en enskild patient – viktiga krafter, med tanke på den dynamiska karaktären hos många hjärnsjukdomar .
I framtiden kan beräkningsmodulen för en hjärnsamprocessor vara tillräckligt kraftfull för att hjälpa till med mänsklig kognition på hög nivå eller komplext beslutsfattande. Naturligtvis har förstärkningen av mänsklig intelligens varit ett av datoringenjörernas nyckelmål i över ett halvt sekel. Faktum är att om vi lättar på definitionen av hjärnans coprocessor bara lite, för att inte kräva direkt fysisk tillgång till hjärnan, konvergerar många konsumentteknologier som utvecklas idag mot hjärnans coprocessor-liknande arkitekturer. Ett stort antal nya tekniker försöker upptäcka information som är användbar för en användare och att leverera denna information till användaren i realtid. Dessutom formas dessa upptäckts- och leveransprocesser alltmer av användarens miljö (t.ex. plats) och historia (t.ex. sociala interaktioner, sökningar). Således ser vi en avvikelse från den klassiska synen (som initialt förutsågs av tidiga tänkare om människa-maskin symbios som J. C. R. Licklider) där datorer tar emot mål från människor, utför definierade beräkningar och sedan ger resultaten tillbaka till människor.
Att ge maskiner auktoritet att fungera som proaktiva mänskliga medprocessorer och låta dem fånga vår uppmärksamhet med sina beräknade prioriteringar måste naturligtvis övervägas noggrant, eftersom alla som har förlorat timmar på grund av avbrott av en mängd uppdateringar av sociala nätverk eller sökmotorvarningar kan intyga. Hur kan vi ge den mänskliga hjärnan tillgång till allt mer proaktiv sambehandlingsteknik utan att tappa våra övergripande mål ur sikte? En idé är att utveckla och distribuera mätetal som låter oss utvärdera IQ för en människa plus en medprocessor, arbeta tillsammans – utvärdera prestandan för att samarbeta naturliga och artificiella intelligenser i ett brett batteri av problemlösningssammanhang. När allt kommer omkring kan människor med internetbaserade hjärnsamprocessorer (t.ex. bärbara datorer som kör webbläsare) vara mer distraherande om målen inkluderar långa, fokuserade skrivuppgifter, men de kan vara bättre på att syntetisera data brett från olika källor; en given hjärnsamprocessorkonfiguration kan vara bra för vissa problem men dålig för andra. Att tänka på framväxande beräkningstekniker som hjärnsamprocessorer tvingar oss att tänka på dem i termer av de effekter de har på hjärnan, positiva och negativa, och det är viktigast av allt ett ramverk för att eftertänksamt utforma deras direkta, såväl som deras framväxande, effekter.
Ed Boyden är biträdande professor i biologisk teknik och hjärn- och kognitionsvetenskap vid Media Lab, vars grupp för syntetisk neurobiologi arbetar med neuroteknik för systematisk analys och kontroll av neurala kretsar.
Doug Fritz är en Media Lab-doktorand i gruppen Fluid Interfaces, som arbetar med att utöka mänsklig förmåga genom just-in-time bearbetning som förstärker vårt gränssnitt mot världen.
Brian Allen är en Media Lab-doktorand i gruppen Syntetisk neurobiologi, som arbetar med att utveckla nya metoder för att förstå hur hjärnan ger upphov till känslor.