Neuralink paziņojis, ka tā smadzeņu un datora saskarne sasniegusi 11,32 bitu sekundē rezultātu kursora vadībā pēc tam, kad uzņēmums apmācījis pamatmodeli ar vairāk nekā 50 000 stundu neirālās aktivitātes datu. Šie dati iegūti no Neuralink klīnisko pētījumu dalībniekiem.

Elona Maska dibinātais smadzeņu un datora saskarņu uzņēmums lielo datu kopu izmantojis pašuzraudzītu neirālo kodētāju iepriekšējai apmācībai. Šie kodētāji paredzēti tieši no smadzenēm reģistrēto elektrisko signālu interpretēšanai. Neuralink apgalvo, ka šāda pieeja signālus var padarīt stabilākus un piemērotākus datoru vadībai.

Signāli saglabājās izmantojami ilgāku laiku

Uzņēmums ziņojis, ka daži ar šo pieeju izveidotie dekoderi turpinājuši darboties vairākas nedēļas, nevis tikai dažas dienas. Atsevišķiem dalībniekiem sistēmas kalibrēšanai nepieciešamais laiks samazinājies no aptuveni 10 minūtēm katru dienu līdz 10 minūtēm nedēļā.

Neuralink demonstrējis arī tā dēvētos “teleportējošos kursorus”. Šādā režīmā kursors nepārvietojas nepārtraukti pa ekrānu, bet uzreiz pārlec uz lietotāja iecerēto mērķi. Uzņēmums norāda, ka 11,32 bitu sekundē rezultāts pārsniedz lielākās daļas cilvēku bez kustību traucējumiem veiktspēju, tomēr šis salīdzinājums nav neatkarīgi pārbaudīts.

Kāpēc smadzeņu signālu stabilitāte ir svarīga

Smadzeņu un datora saskarnes neirālās aktivitātes modeļus pārvērš komandās, ar kurām iespējams vadīt datorus un citas ierīces. Tomēr no neironiem iegūtie signāli laika gaitā var mainīties, un tas rada būtisku problēmu sistēmām, kurām paredzēts uzticami darboties ikdienā.

Neuralink implanti reģistrē tā dēvētos smailes signālus jeb neironu radīto elektrisko aktivitāti galvas smadzeņu garozas motorajā apvidū. Pat nelielas reģistrēto signālu izmaiņas var padarīt agrākos datos apmācītu dekoderi mazāk precīzu. Tādēļ lietotājiem sistēma var būt atkārtoti jā­kalibrē.

Lai risinātu šo problēmu, Neuralink apmācījis to, ko uzņēmums raksturo kā smadzeņu un datora saskarņu pamatmodeli. Tā pašuzraudzītie neirālie kodētāji nepaļaujas tikai uz marķētiem piemēriem, kas saistīti ar konkrētām kustībām vai komandām, bet mācās atveidojumus no lieliem neirālās aktivitātes datu apjomiem.

Uzņēmums apgalvo, ka šādi iegūtie atveidojumi saglabā lietderību arī tad, kad atsevišķi neirālie signāli laika gaitā mainās. Tas varētu ļaut dekoderim turpināt interpretēt lietotāja iecerētās kustības, neprasot biežu atkārtotu apmācību.

Datu kopa un iespējamie turpmākie pielietojumi

Modeļa pamatā esošie dati iegūti no Neuralink klīnisko pētījumu dalībniekiem, kuri kopumā savus implantus izmantojuši vairāk nekā 50 000 stundu. Uzņēmums šo datu kopu raksturo kā vienu no līdz šim lielākajām intracortikālās neirālās aktivitātes datu kopām.

Kalibrēšanas nepieciešamības samazināšana varētu būt īpaši svarīga praktiski izmantojamām smadzeņu un datora saskarnēm. Sistēma, kurai vajadzīga ikdienas pielāgošana, lietotājam rada papildu slogu, savukārt dekoderis, kas saglabā stabilitāti vairākas nedēļas, varētu implantam ļaut vairāk līdzināties ikdienā lietojamai datora saskarnei.

11,32 bitu sekundē rezultāts ir vēl viens šāda progresa mērījums. Bitu skaitu sekundē BCI pētniecībā parasti izmanto, lai novērtētu, cik ātri un precīzi lietotājs spēj izvēlēties iecerētos mērķus, nevis vienkārši izmērītu, cik ātri fiziski pārvietojas kursors.

Neuralink pašlaik pēta iespēju apvienot vairāku dalībnieku neirālos datus, lai modeļus uzlabotu. Turpmākie darbi varētu ietvert arī vienreizēju vai nulles piemēru kalibrēšanu, kas potenciāli ļautu sistēmai darboties ar jaunu uzdevumu vai jaunu lietotāju, izmantojot ļoti mazu papildu kalibrēšanu vai iztiekot bez tās.

Uzņēmums ir izklāstījis arī ideju par “motorās garozas API”. Tā paredz, ka kopīgi neirālie atveidojumi nākotnē varētu nodrošināt standartizētu slāni, kas lietotāja iecerēto kustību pārvērš digitālās komandās.

Rezultātus Neuralink publiskojis kā tehnisku atjauninājumu, nevis recenzētu pētījumu žurnālā. Uzņēmums nav norādījis, ka šie secinājumi būtu publicēti recenzētā zinātniskā izdevumā.