AI Memodelkan Otak untuk Membantu Kita Melihat, Mendengar, dan Berkreasi

Ini adalah versi editan dari postingan yang awalnya berjalan di sini.

---

Ilmu saraf dan AI memiliki sejarah yang panjang dan saling terkait. Pelopor kecerdasan buatan memandang prinsip-prinsip organisasi otak sebagai inspirasi untuk membuat mesin cerdas. Dalam kebalikan yang mengejutkan, AI sekarang membantu kita memahami sumber inspirasinya: otak manusia. Pendekatan menggunakan AI untuk membangun model otak ini disebut sebagai neuroAI. Selama dekade berikutnya, kami akan membuat lebih tepat di silico model otak, terutama model dua indera kita yang paling menonjol, penglihatan dan pendengaran. Hasilnya, kami dapat mengunduh dan menggunakan model sensorik, sesuai permintaan, dengan kemudahan yang sama seperti kami dapat melakukan pengenalan objek atau pemrosesan bahasa alami.

Banyak ahli saraf dan peneliti kecerdasan buatan – bisa dimengerti! – sangat bersemangat tentang ini: otak sesuai permintaan! Menemukan apa artinya melihat, merasakan, menjadi manusia! Kurang dikenal adalah bahwa ada aplikasi praktis yang luas di industri. Saya telah lama menjadi peneliti di bidang ini, telah bekerja pada bagaimana otak mengubah visi menjadi makna sejak PhD saya. Saya telah melihat perkembangan bidang ini sejak awal, dan saya pikir sekaranglah saatnya untuk mengejar bagaimana neuroAI dapat mendorong lebih banyak kreativitas dan meningkatkan kesehatan kita. 

Saya memperkirakan bahwa neuroAI pertama-tama akan digunakan secara luas dalam seni dan periklanan, terutama ketika terhubung ke model AI generatif baru seperti GPT-3 dan DALL-E. Sementara model AI generatif saat ini dapat menghasilkan seni dan media kreatif, mereka tidak dapat memberi tahu Anda apakah media itu pada akhirnya akan mengomunikasikan pesan kepada audiens yang dituju – tetapi neuroAI bisa. Misalnya, kami dapat mengganti uji coba grup fokus dan pengujian A/B dan secara langsung membuat media yang mengomunikasikan apa yang kami inginkan. Tekanan pasar yang luar biasa di sekitar aplikasi ini akan menciptakan siklus yang baik yang meningkatkan model neuroAI. 

Model yang disempurnakan yang dihasilkan akan memungkinkan aplikasi dalam kesehatan dalam kedokteran, mulai dari membantu orang dengan masalah neurologis hingga meningkatkan kemampuan sumur. Bayangkan menciptakan gambar dan suara yang tepat untuk membantu seseorang memulihkan penglihatan atau pendengarannya lebih cepat setelah operasi LASIK atau setelah mendapatkan implan koklea. 

Inovasi-inovasi ini akan dibuat jauh lebih kuat oleh teknologi lain yang akan segera hadir: augmented reality dan antarmuka otak-komputer. Namun, untuk sepenuhnya menyadari potensi utilitas dari sistem sensor yang dapat diunduh sesuai permintaan, kami perlu mengisi kesenjangan saat ini dalam peralatan, bakat, dan pendanaan.

Dalam bagian ini saya akan menjelaskan apa itu neuroAI, bagaimana ia bisa mulai berevolusi dan mulai memengaruhi kehidupan kita, bagaimana ia melengkapi inovasi dan teknologi lain, dan apa yang dibutuhkan untuk mendorongnya maju.  

Apa itu neuroAI?

NeuroAI adalah disiplin ilmu baru yang berupaya 1) mempelajari otak untuk mempelajari cara membangun kecerdasan buatan yang lebih baik dan 2) menggunakan kecerdasan buatan untuk lebih memahami otak. Salah satu alat inti neuroAI adalah menggunakan jaring saraf tiruan untuk membuat model komputer dari fungsi otak tertentu. Pendekatan ini dimulai pada tahun 2014, ketika para peneliti di MIT dan Columbia menunjukkan bahwa jaring saraf tiruan yang dalam dapat menjelaskan respons di bagian otak yang melakukan pengenalan objek: korteks inferotemporal (IT). Mereka memperkenalkan resep dasar untuk membandingkan jaring saraf tiruan dengan otak. Menggunakan resep ini dan mengulangi pengujian berulang di seluruh proses otak - pengenalan bentuk, pemrosesan gerakan, pemrosesan ucapan, kontrol lengan, memori spasial - para ilmuwan sedang membangun tambal sulam model komputer untuk otak. 

Model neuroAI dari bagian otak memiliki dua fitur utama. Ini dapat dihitung: kita dapat memberi stimulus pada model komputer ini dan itu akan memberi tahu kita bagaimana area otak akan bereaksi. Ini juga dapat dibedakan: ini adalah jaringan saraf dalam yang dapat kami optimalkan dengan cara yang sama seperti kami mengoptimalkan model yang memecahkan pengenalan visual dan pemrosesan bahasa alami. Itu berarti ahli saraf mendapatkan akses ke semua alat canggih yang telah mendukung revolusi pembelajaran mendalam, termasuk sistem aljabar tensor seperti PyTorch dan TensorFlow. 

Apa artinya ini? Kami beralih dari tidak memahami sebagian besar otak menjadi dapat mengunduh model yang bagus dalam waktu kurang dari satu dekade. Dengan investasi yang tepat, kita akan segera memiliki model otak yang sangat baik. Sistem visual adalah yang pertama dimodelkan; sistem pendengaran tidak jauh di belakang; dan area lain pasti akan jatuh seperti kartu domino ketika ahli saraf pemberani bergegas memecahkan misteri otak. Selain memuaskan keingintahuan intelektual kami – motivator besar bagi para ilmuwan! – inovasi ini akan memungkinkan programmer mana pun untuk mengunduh model otak yang bagus dan membuka banyak aplikasi.

Area aplikasi

Seni dan periklanan

Mari kita mulai dengan premis sederhana ini: 99% media yang kita alami adalah melalui mata dan telinga kita. Ada seluruh industri yang dapat diringkas untuk memberikan piksel dan nada yang tepat untuk indra ini: seni visual, desain, film, game, musik, dan iklan hanyalah beberapa di antaranya. Sekarang, bukan mata dan telinga kita sendiri yang menafsirkan pengalaman ini, karena mereka hanyalah sensor: otak kitalah yang memahami informasi itu. Media diciptakan untuk menginformasikan, menghibur, membawa emosi yang diinginkan. Tetapi menentukan apakah pesan dalam lukisan, foto kepala profesional, atau iklan diterima sebagaimana dimaksud adalah latihan yang membuat frustrasi dalam coba-coba: manusia harus berada dalam lingkaran untuk menentukan apakah pesan itu tepat sasaran, yang mahal dan memakan waktu. mengkonsumsi.

Layanan online skala besar telah menemukan cara untuk mengatasi hal ini dengan mengotomatiskan uji coba dan kesalahan: pengujian A/B. Google terkenal menguji mana dari 50 warna biru yang digunakan untuk tautan pada halaman hasil mesin pencari. Menurut The Guardian, pilihan terbaik menyebabkan peningkatan pendapatan di atas garis dasar $200 juta pada tahun 2009, atau kira-kira 1% dari pendapatan Google saat itu. Netflix menyesuaikan thumbnail kepada pemirsa untuk mengoptimalkan pengalaman penggunanya. Metode ini tersedia untuk raksasa online dengan lalu lintas besar, yang dapat mengatasi kebisingan yang melekat pada perilaku orang.

Bagaimana jika kita bisa memprediksi bagaimana orang akan bereaksi terhadap media sebelum mendapatkan data apa pun? Ini akan memungkinkan usaha kecil untuk mengoptimalkan materi tertulis dan situs web mereka meskipun memiliki sedikit daya tarik yang sudah ada sebelumnya. NeuroAI semakin dekat untuk dapat memprediksi bagaimana orang akan bereaksi terhadap materi visual. Misalnya, peneliti di Adobe sedang mengerjakan alat untuk memprediksi dan mengarahkan perhatian visual dalam ilustrasi.

Para peneliti juga telah mendemonstrasikan pengeditan foto untuk membuatnya lebih berkesan secara visual atau estetis menyenangkan. Ini dapat digunakan, misalnya, untuk secara otomatis memilih bidikan kepala profesional yang paling selaras dengan gambar yang ingin diproyeksikan orang tentang diri mereka sendiri–profesional, serius, atau kreatif. Jaringan saraf tiruan bahkan dapat menemukan cara mengkomunikasikan pesan lebih efektif daripada gambar realistis. CLIP OpenAI dapat diperiksa untuk menemukan gambar yang selaras dengan emosi. Gambar yang paling selaras dengan konsep kejutan tidak akan keluar dari tempatnya di sebelah Munch's Scream.

Selama setahun terakhir, OpenAI dan Google telah mendemonstrasikan jaringan seni generatif dengan kemampuan yang mengesankan untuk menghasilkan gambar fotorealistik dari perintah teks. Kami belum mencapai momen itu untuk musik, tetapi dengan laju kemajuan dalam model generatif, ini pasti akan terjadi dalam beberapa tahun ke depan. Dengan membangun mesin yang dapat mendengar seperti manusia, kita mungkin dapat mendemokratisasikan produksi musik, memberi siapa pun kemampuan untuk melakukan apa yang dapat dilakukan oleh produser musik yang sangat terampil: mengomunikasikan emosi yang tepat selama paduan suara, baik melankolis maupun gembira; untuk membuat earworm melodi; atau untuk membuat sebuah karya menjadi menarik untuk menari.

Ada tekanan pasar yang luar biasa untuk mengoptimalkan media audiovisual, situs web, dan terutama iklan, dan kami telah mengintegrasikan neuroAI dan seni algoritmik ke dalam proses ini. Tekanan ini akan mengarah pada siklus yang baik di mana neuroAI akan menjadi lebih baik dan lebih berguna karena lebih banyak sumber daya dituangkan ke dalam aplikasi praktis. Efek sampingnya adalah kita akan mendapatkan model otak yang sangat bagus yang akan berguna jauh di luar iklan. 

Aksesibilitas dan desain algoritmik

Salah satu aplikasi neuroAI yang paling menarik adalah aksesibilitas. Sebagian besar media dirancang untuk orang "rata-rata", namun kita semua memproses informasi visual dan pendengaran secara berbeda. 8% pria, dan 0.5% wanita buta warna merah-hijau, dan sejumlah besar media tidak disesuaikan dengan kebutuhan mereka. Ada sejumlah produk yang mensimulasikan buta warna saat ini, tetapi membutuhkan orang dengan penglihatan warna normal untuk menginterpretasikan hasilnya dan membuat perubahan yang diperlukan. Pemetaan ulang warna statis juga tidak berfungsi untuk kebutuhan ini, karena beberapa bahan tidak mempertahankan semantiknya dengan pemetaan ulang warna (misalnya grafik yang menjadi sulit dibaca). Kami dapat mengotomatiskan pembuatan materi dan situs web yang aman untuk buta warna melalui metode neuroAI yang mempertahankan semantik grafik yang ada.

Contoh lain adalah untuk membantu orang-orang dengan ketidakmampuan belajar, seperti disleksia, yang mempengaruhi hingga 10% orang di seluruh dunia. Salah satu masalah mendasar dalam disleksia adalah kepekaan terhadap berkerumun, yaitu kesulitan mengenali bentuk dengan fitur dasar yang serupa, termasuk huruf simetris cermin seperti p dan q. Anne Harrington dan Arturo Deza di MIT sedang mengerjakan model neuroAI itu model efek ini dan mendapatkan beberapa hasil yang sangat menjanjikan. Bayangkan mengambil model sistem visual disleksia untuk merancang font yang secara estetika menyenangkan dan lebih mudah dibaca. Dengan data yang tepat tentang sistem visual orang tertentu, kita bahkan bisa mempersonalisasi font untuk individu tertentu, yang telah menunjukkan janji dalam meningkatkan kinerja membaca. Ini adalah potensi peningkatan besar dalam kualitas hidup yang menunggu di sini.

Kesehatan

Banyak ahli saraf memasuki lapangan dengan harapan bahwa penelitian mereka akan berdampak positif bagi kesehatan manusia, khususnya bagi orang yang hidup dengan gangguan neurologis atau masalah kesehatan mental. Saya sangat berharap neuroAI akan membuka terapi baru: dengan model otak yang baik, kita dapat menyusun rangsangan yang tepat sehingga pesan yang tepat sampai ke sana, seperti kunci yang cocok dengan gembok. Dalam hal itu, neuroAI dapat diterapkan mirip dengan desain obat algoritmik, tetapi alih-alih molekul kecil, kami mengirimkan gambar dan suara. 

Masalah yang paling mudah didekati melibatkan reseptor mata dan telinga, yang sudah dicirikan dengan baik. Ratusan ribu orang telah menerima implan koklea, neuroprostetik yang secara elektrik merangsang koklea telinga, memungkinkan orang tuli atau orang yang mengalami gangguan pendengaran untuk mendengar kembali. Implan ini, yang berisi beberapa lusin elektroda, mungkin sulit digunakan di lingkungan yang bising dengan banyak speaker. Model otak bisa mengoptimalkan pola stimulasi implan untuk memperkuat ucapan. Apa yang luar biasa adalah bahwa teknologi ini, yang dikembangkan untuk orang dengan implan, dapat diadaptasi untuk membantu orang tanpa implan lebih memahami ucapan dengan memodifikasi suara secara realtime, apakah mereka memiliki gangguan pemrosesan pendengaran atau mereka hanya sering berada di lingkungan yang bising.

Banyak orang mengalami perubahan pada sistem sensorik mereka sepanjang hidup mereka, apakah itu pulih dari operasi katarak atau menjadi rabun jauh seiring bertambahnya usia. Kita tahu bahwa setelah perubahan seperti itu, orang dapat belajar menafsirkan kembali dunia dengan benar melalui pengulangan, sebuah fenomena yang disebut pembelajaran perseptual. Kita mungkin dapat memaksimalkan pembelajaran persepsi ini sehingga orang dapat memperoleh kembali keterampilan mereka lebih cepat dan lebih efektif. Ide serupa dapat membantu orang yang kehilangan kemampuan untuk menggerakkan anggota tubuh mereka dengan lancar setelah stroke. Jika kita dapat menemukan urutan gerakan yang tepat untuk memperkuat otak secara optimal, kita mungkin dapat membantu penderita stroke mendapatkan kembali fungsinya, seperti berjalan lebih lancar atau sekadar memegang secangkir kopi tanpa tumpah. Selain membantu orang memulihkan fungsi fisik yang hilang, ide yang sama dapat membantu orang sehat mencapai kinerja sensorik puncak - apakah mereka pemain bisbol, pemanah, atau ahli patologi.

Akhirnya, kita bisa melihat ide-ide ini diterapkan pada pengobatan gangguan mood. Saya pergi ke banyak pertunjukan seni visual untuk menghilangkan kebosanan saya selama pandemi, dan itu sangat meningkatkan suasana hati saya. Seni visual dan musik dapat mengangkat semangat kita, dan itu adalah bukti konsep bahwa kita mungkin mampu memberikan terapi untuk gangguan mood melalui indera. Kita tahu bahwa mengendalikan aktivitas bagian-bagian tertentu dari otak dengan stimulasi listrik dapat meredakan depresi yang resistan terhadap pengobatan; mungkin mengendalikan aktivitas otak secara tidak langsung melalui indera bisa menunjukkan efek serupa. Dengan menerapkan model sederhana – buah yang menggantung rendah – yang memengaruhi bagian otak yang dipahami dengan baik, kita akan mulai mengembangkan model yang lebih kompleks yang dapat membantu kesehatan manusia. 

Mengaktifkan tren teknologi

NeuroAI akan membutuhkan waktu bertahun-tahun untuk dijinakkan dan digunakan dalam aplikasi, dan itu akan mencegat tren teknologi baru lainnya. Di sini saya menyoroti dua tren khususnya yang akan membuat neuroAI jauh lebih kuat: augmented reality (AR), yang dapat mengirimkan rangsangan secara tepat; dan antarmuka otak-komputer (BCI), yang dapat mengukur aktivitas otak untuk memverifikasi bahwa rangsangan bertindak dengan cara yang diharapkan.  

Augmented kenyataan

Tren yang akan membuat aplikasi neuroAI jauh lebih kuat adalah adopsi kacamata augmented reality. Augmented reality (AR) berpotensi menjadi platform komputasi di mana-mana, karena AR terintegrasi ke dalam kehidupan sehari-hari.

Hipotesis Michael Abrash, kepala ilmuwan di Meta Reality Labs, adalah bahwa jika Anda membuat kacamata AR yang cukup mumpuni, semua orang akan menginginkannya. Itu artinya membangun kacamata sadar dunia yang dapat membuat objek virtual yang terkunci di dunia secara persisten; bingkai ringan dan modis, seperti sepasang Ray-Bans; dan memberi Anda kekuatan super di kehidupan nyata, seperti mampu berinteraksi secara alami dengan orang-orang terlepas dari jarak dan meningkatkan pendengaran Anda. Jika Anda dapat membangun ini – tantangan teknis yang besar – kacamata AR dapat mengikuti lintasan seperti iPhone, sehingga setiap orang akan memiliki satu (atau tiruan) 5 tahun setelah peluncuran.

Untuk mewujudkannya, Meta menghabiskan 10 miliar dolar tahun lalu untuk R&D untuk metaverse. Meskipun kami tidak tahu pasti apa yang Apple lakukan, ada tanda-tanda kuat bahwa mereka sedang mengerjakan kacamata AR. Jadi ada juga dorongan luar biasa di sisi penawaran untuk mewujudkan AR.

Ini akan membuat tersedia secara luas perangkat tampilan yang jauh lebih kuat daripada layar statis saat ini. Jika mengikuti lintasan VR, pada akhirnya akan memiliki pelacakan mata yang terintegrasi. Ini berarti cara yang tersedia secara luas untuk menyajikan rangsangan yang jauh lebih terkontrol daripada yang mungkin saat ini, mimpi bagi para ilmuwan saraf. Dan perangkat ini cenderung memiliki aplikasi kesehatan yang luas, seperti yang diceritakan oleh Michael Abrash pada 2017, seperti meningkatkan penglihatan cahaya rendah, atau memungkinkan orang menjalani kehidupan normal meskipun mengalami degenerasi makula.

Pentingnya neuroAI jelas: kita dapat memberikan stimulus yang tepat dengan cara yang sangat terkontrol secara berkelanjutan dalam kehidupan sehari-hari. Ini berlaku untuk penglihatan, dan mungkin kurang jelas untuk pendengaran, karena kami dapat mengirimkan audio spasial. Artinya, alat kami untuk menghadirkan terapi neuroAI bagi orang-orang dengan masalah neurologis atau untuk peningkatan aksesibilitas akan menjadi jauh lebih kuat.

BCI

Dengan tampilan dan speaker yang bagus, kita bisa mengontrol input utama ke otak dengan tepat. Tahap berikutnya, yang lebih kuat dalam menyampaikan rangsangan melalui indera adalah untuk memverifikasi bahwa otak bereaksi dengan cara yang diharapkan melalui antarmuka otak-komputer (BCI) yang hanya dapat dibaca. Dengan demikian, kita dapat mengukur efek rangsangan pada otak, dan jika tidak seperti yang diharapkan, kita dapat menyesuaikannya dengan apa yang disebut kontrol loop tertutup. 

Untuk lebih jelasnya, di sini saya tidak berbicara tentang metode BCI seperti chip Neuralink atau stimulator otak dalam yang masuk ke dalam tengkorak; itu cukup untuk tujuan ini untuk mengukur aktivitas otak di luar tengkorak, non-invasif. Tidak perlu merangsang otak secara langsung: hanya kacamata dan headphone yang Anda butuhkan untuk mengontrol sebagian besar input otak.

Ada sejumlah BCI non-invasif baca-saja yang dikomersialkan saat ini atau dalam jalur pipa yang dapat digunakan untuk kontrol loop tertutup. Beberapa contoh termasuk:

• EEG. Elektroensefalografi mengukur aktivitas listrik otak di luar tengkorak. Karena tengkorak bertindak sebagai konduktor volume, EEG memiliki resolusi temporal yang tinggi tetapi resolusi spasial yang rendah. Meskipun ini memiliki aplikasi konsumen yang terbatas untuk produk meditasi (Muse) dan aplikasi neuromarketing niche, saya optimis pada beberapa penggunaannya dalam konteks kontrol loop tertutup. EEG bisa menjadi jauh lebih kuat ketika seseorang memiliki kendali atas stimulus, karena stimulus yang disajikan dapat dikorelasikan dengan sinyal EEG dan memecahkan kode apa yang diperhatikan seseorang (metode potensial yang dibangkitkan). Memang, NextMind, yang membuat "klik pikiran" berbasis EEG berdasarkan potensi yang ditimbulkan, diakuisisi oleh Snap, yang sekarang membuat produk AR. OpenBCI adalah perencanaan untuk merilis headset yang mengintegrasikan sensor EEG dengan headset Aero kelas atas Varjo. Saya tidak akan menghitung EEG.
• fMRI. Pencitraan resonansi magnetik fungsional mengukur perubahan kecil dalam oksigenasi darah yang terkait dengan aktivitas saraf. Lambat, tidak portabel, membutuhkan ruangan sendiri dan sangat mahal. Namun, fMRI tetap menjadi satu-satunya teknologi yang secara non-invasif dapat membaca aktivitas jauh di dalam otak dengan cara yang tepat secara spasial. Ada dua paradigma yang cukup matang dan relevan untuk kontrol saraf loop tertutup. Yang pertama adalah biofeedback berbasis fMRI. Subbidang dari fMRI menunjukkan bahwa orang dapat memodulasi aktivitas otak mereka dengan menampilkannya secara visual di layar atau headphone. Yang kedua adalah pemetaan kortikal, termasuk pendekatan seperti bidang reseptif populasi dan memperkirakan selektivitas voxel dengan klip video atau podcast, yang memungkinkan seseorang untuk memperkirakan bagaimana area otak yang berbeda merespons rangsangan visual dan pendengaran yang berbeda. Kedua metode ini mengisyaratkan bahwa mungkin untuk memperkirakan bagaimana intervensi neuroAI memengaruhi otak dan mengarahkannya agar lebih efektif.
• fNIRS. Spektroskopi inframerah dekat fungsional menggunakan cahaya difus untuk memperkirakan volume darah otak antara pemancar dan reseptor. Itu bergantung pada fakta bahwa darah buram dan peningkatan aktivitas saraf menyebabkan masuknya darah tertunda dalam volume otak tertentu (prinsip yang sama seperti fMRI). NIRS konvensional memiliki resolusi spasial yang rendah, namun dengan time gating (TD-NIRS) dan oversampling masif (diffuse optical tomography), resolusi spasial jauh lebih baik. Di bidang akademik, Grup Joe Culver di WUSTL telah menunjukkan decoding film dari korteks visual. Di depan komersial, Kernel sekarang pembuatan dan pengiriman headset TD-NIRS yang merupakan prestasi teknik yang mengesankan. Dan itu adalah area di mana orang terus mendorong dan kemajuannya cepat; grup lama saya di Meta menunjukkan peningkatan 32 kali lipat dalam rasio signal-to-noise (yang dapat diskalakan hingga> 300) dalam teknik terkait.
• MEG. Magnetoencephalography mengukur perubahan kecil dalam medan magnet, sehingga melokalisasi aktivitas otak. MEG mirip dengan EEG karena mengukur perubahan medan elektromagnetik, tetapi tidak mengalami konduksi volume dan karenanya memiliki resolusi spasial yang lebih baik. MEG portabel yang tidak memerlukan pendinginan akan menjadi pengubah permainan untuk BCI non-invasif. Orang-orang membuat kemajuan dengan magnetometer yang dipompa secara optik, dan dimungkinkan untuk membeli sensor OPM individual di pasar terbuka, dari produsen seperti QuSpin.

Selain teknik yang lebih dikenal ini, beberapa teknologi kuda hitam seperti holografi digital, tomografi foto-akustik, dan ultrasound fungsional dapat menyebabkan pergeseran paradigma yang cepat di ruang ini.

Sementara BCI non-invasif tingkat konsumen masih dalam tahap awal, ada sejumlah tekanan pasar seputar kasus penggunaan AR yang akan membuat kue lebih besar. Memang, masalah yang signifikan untuk AR adalah mengendalikan perangkat: Anda tidak ingin harus berjalan-jalan dengan pengontrol atau bergumam ke kacamata Anda jika Anda dapat menghindarinya. Perusahaan cukup serius menyelesaikan masalah ini, terbukti dengan Facebook membeli CTRL+Labs di 2019, Snap mengakuisisi NextMind, dan Valve bekerja sama dengan OpenBCI. Dengan demikian, kita cenderung melihat BCI berdimensi rendah sedang berkembang pesat. BCI dimensi tinggi mungkin mengikuti lintasan yang sama jika mereka menemukan aplikasi pembunuh seperti AR. Ada kemungkinan bahwa jenis aplikasi neuroAI yang saya anjurkan di sini adalah kasus penggunaan yang tepat untuk teknologi ini.

Jika kita dapat mengontrol input ke mata dan telinga serta mengukur keadaan otak dengan tepat, kita dapat memberikan terapi berbasis neuroAI dengan cara yang dipantau untuk kemanjuran maksimum.

Apa yang hilang dari lapangan?

Ilmu inti di balik aplikasi NeuroAI berkembang pesat, dan ada sejumlah tren positif yang akan meningkatkan penerapannya secara umum. Jadi apa yang kurang untuk membawa aplikasi neuroAI ke pasar?

1. Perkakas. Subbidang lain dalam AI sangat diuntungkan dari kotak peralatan yang memungkinkan kemajuan pesat dan berbagi hasil. Ini termasuk pustaka aljabar tensor seperti Tensorflow dan PyTorch, lingkungan pelatihan seperti OpenAI Gym dan ekosistem untuk berbagi data dan model seperti HuggingFace. Repositori model dan metode terpusat, serta rangkaian evaluasi, yang berpotensi memanfaatkan data simulasi yang melimpah, akan mendorong bidang ini ke depan. Sudah ada komunitas yang kuat dari organisasi ilmu saraf open source, dan mereka dapat menjadi tuan rumah alami untuk upaya ini.
2. Bakat. Ada sejumlah kecil tempat di mana penelitian dan pengembangan dilakukan di persimpangan ilmu saraf dan AI. Bay Area, dengan lab di Stanford dan Berkeley, dan area metro Boston dengan banyak lab di MIT dan Harvard kemungkinan akan melihat sebagian besar investasi dari ekosistem modal ventura yang sudah ada sebelumnya. Kemungkinan hub ketiga adalah Montreal, Kanada, yang diangkat oleh departemen ilmu saraf besar-besaran di McGill dan Universite de Montreal, dikombinasikan dengan daya tarik Mila, institut kecerdasan buatan yang didirikan oleh pelopor AI Yoshua Bengio. Bidang kami akan mendapat manfaat dari program PhD khusus dan pusat keunggulan dalam neuroAI untuk memulai komersialisasi.
3. Model pendanaan dan komersialisasi baru untuk aplikasi medis. Aplikasi medis memiliki jalan panjang menuju komersialisasi, dan kekayaan intelektual yang dilindungi biasanya merupakan prasyarat untuk mendapatkan pendanaan guna mengurangi risiko investasi dalam teknologi. Inovasi berbasis AI sangat sulit untuk dipatenkan, dan perangkat lunak sebagai perangkat medis (SaMD) baru mulai dipasarkan, membuat jalan menuju komersialisasi menjadi tidak pasti. Kami akan membutuhkan dana yang difokuskan untuk menyatukan AI dan keahlian teknologi medis untuk memelihara bidang yang baru lahir ini. 

Mari membangun neuroAI

Para ilmuwan dan filsuf telah bingung tentang bagaimana otak bekerja sejak dahulu kala. Bagaimana selembar tisu tipis, seluas satu kaki persegi, memungkinkan kita melihat, mendengar, merasakan, dan berpikir? NeuroAI membantu kami menangani pertanyaan mendalam ini dengan membangun model sistem saraf di komputer. Dengan memuaskan kehausan mendasar akan pengetahuan – apa artinya menjadi manusia? – ahli saraf juga membangun alat yang dapat membantu jutaan orang menjalani kehidupan yang lebih kaya.

Diposting Agustus 4, 2022