AI a matematika odhalují tajemství mozku: Nový přístup k pochopení myšlení a léčbě ochrnutí

Lidský mozek je nepřekonatelný ve své složitosti, obsahuje 86 miliard neuronů a 85 miliard dalších buněk, které vytvářejí odhadem 100 bilionů spojení. Kdyby fungoval jako počítač, prováděl by biliardu matematických výpočtů za sekundu s minimální spotřebou energie.

Lidský mozek je nepřekonatelný ve své složitosti, obsahuje 86 miliard neuronů a 85 miliard dalších buněk, které vytvářejí odhadem 100 bilionů spojení. Kdyby fungoval jako počítač, prováděl by biliardu matematických výpočtů za sekundu s minimální spotřebou energie. Navzdory těmto úžasným schopnostem však neurologové stále plně nechápou, jak neurony spolupracují.

Vědci z Institutu pro neurovědy, neurotechnologie a společnost (INNS) na Georgia Tech se snaží najít odpovědi pomocí matematiky, dat a umělé inteligence. Společně pomáhají přeměňovat surový elektrický „šum“ mozku na skutečné poznatky o tom, jak lidé myslí, pohybují se a vnímají svět. Jejich cílem je vytvořit systémy, kde by umělé neurony v programech AI byly uspořádány stejně jako v mozku, což by pomohlo pochopit jeho organizaci a vedlo k rychlejším, energeticky úspornějším a snadněji interpretovatelným AI programům.

Apurva Ratan Murty, odborný asistent psychologie, pracuje na topografických modelech umělé inteligence, které jsou inspirovány mozkem a pokrývají oblasti jako zrak, sluch a jazyk. Předpokládá, že v blízké budoucnosti by lékaři mohli tyto vzorce využít k předpovídání účinků mozkových lézí a dalších poruch. Přestože k plné realizaci je ještě daleko, tato práce výrazně přibližuje k takové budoucnosti.

Chethana Pandarinatha, biomedicínského inženýra, zase zajímá, jak chodí kočky. Využívá senzory k analýze toho, jak jsou dva soubory svalů kočičích nohou – flexory a extenzory – řízeny míchou. Pochopení tohoto mechanismu by mohlo pomoci pacientům částečně ochrnutým v důsledku poranění míchy, mrtvice nebo progresivních neurodegenerativních onemocnění znovu se postavit na nohy. Jeho laboratoř využívá nástroje umělé inteligence k převodu složitých dat o aktivitě míchy do interpretovatelné podoby. Tyto nástroje odhalují, že za komplexními vzorci aktivity se skrývá jednoduchá základní struktura.