AI modelira možgane, da nam pomaga videti, slišati in ustvarjati

To je urejena različica objave, ki je bila prvotno objavljena tukaj.

---

Nevroznanost in umetna inteligenca imata dolgo, prepleteno zgodovino. Pionirji umetne inteligence so načela organizacije možganov iskali kot navdih za izdelavo inteligentnih strojev. V presenetljivem preobratu nam AI zdaj pomaga razumeti njen vir navdiha: človeške možgane. Ta pristop uporabe AI za izdelavo modelov možganov se imenuje nevroAI. V naslednjem desetletju bomo še bolj natančni v silikonu modeli možganov, predvsem modeli naših dveh najpomembnejših čutov, vida in sluha. Posledično bomo lahko na zahtevo prenesli in uporabljali senzorične modele z enakim udobjem, kot lahko izvajamo prepoznavanje predmetov ali obdelavo naravnega jezika.

Mnogi nevroznanstveniki in raziskovalci umetne inteligence so – razumljivo! – zelo navdušen nad tem: možgani na zahtevo! Odkrivanje, kaj pomeni videti, čutiti, biti človek! Manj dobro znano je, da obstaja široka praktična uporaba v industriji. Že dolgo sem raziskovalec na tem področju, saj sem od svojega doktorata delal na tem, kako možgani pretvorijo vizijo v pomen. Videl sem napredek področja od njegovega začetka in mislim, da je zdaj čas, da nadaljujemo s tem, kako lahko nevroAI spodbudi več ustvarjalnosti in izboljša naše zdravje. 

Predvidevam, da bo nevroAI najprej našel široko uporabo v umetnosti in oglaševanju, zlasti ko bo povezan z novimi generativnimi modeli AI, kot sta GPT-3 in DALL-E. Medtem ko lahko trenutni generativni modeli umetne inteligence ustvarijo ustvarjalno umetnost in medije, vam ne morejo povedati, ali bodo ti mediji na koncu sporočili sporočilo predvidenemu občinstvu – vendar bi nevroAI lahko. Na primer, lahko nadomestimo poskuse in napake fokusnih skupin in A/B testov ter neposredno ustvarimo medije, ki sporočajo točno to, kar želimo. Izjemni pritiski trga okoli te aplikacije bodo ustvarili učinkovit cikel, ki bo izboljšal modele nevroAI. 

Nastali izboljšani modeli bodo omogočili uporabo v zdravstvu v medicini, od pomoči ljudem z nevrološkimi težavami do izboljšanja sposobnosti vodnjaka. Predstavljajte si ustvarjanje pravih slik in zvokov, ki bodo osebi pomagali hitreje povrniti vid ali sluh po operaciji LASIK oziroma po vstavitvi polževega vsadka. 

Te inovacije bodo veliko močnejše zaradi drugih tehnologij, ki prihajajo po cevi: razširjene resničnosti in vmesnikov možgani-računalnik. Vendar pa bomo morali za popolno uresničitev potencialne uporabnosti prenosljivih senzoričnih sistemov na zahtevo zapolniti trenutne vrzeli v orodju, talentu in financiranju.

V tem delu bom razložil, kaj je nevroAI, kako se lahko začne razvijati in vplivati ​​na naša življenja, kako dopolnjuje druge inovacije in tehnologije ter kaj je potrebno, da ga potisnemo naprej.  

Kaj je nevroAI?

NeuroAI je nastajajoča disciplina, ki si prizadeva 1) preučevati možgane, da bi se naučili zgraditi boljšo umetno inteligenco in 2) uporabiti umetno inteligenco za boljše razumevanje možganov. Eno od osrednjih orodij nevroAI je uporaba umetnih nevronskih mrež za ustvarjanje računalniških modelov specifičnih možganskih funkcij. Ta pristop se je začel leta 2014, ko so raziskovalci na MIT in Columbia je pokazalo, da bi lahko globoke umetne nevronske mreže pojasnile odzive v delu možganov, ki prepoznava predmete: inferotemporalni korteks (IT). Predstavili so osnovni recept za primerjavo umetne nevronske mreže z možgani. Z uporabo tega recepta in ponavljajočim se iterativnim testiranjem v možganskih procesih – prepoznavanje oblik, obdelava gibanja, obdelava govora, nadzor nad roko, prostorski spomin – znanstveniki gradijo sklop računalniških modelov za možgane. 

Model dela možganov neuroAI ima dve ključni značilnosti. Izračunljiv je: temu računalniškemu modelu lahko damo dražljaj in povedal nam bo, kako se bo možgansko področje odzvalo. Prav tako se razlikuje: je globoka nevronska mreža, ki jo lahko optimiziramo na enak način, kot optimiziramo modele, ki rešujejo vizualno prepoznavanje in obdelavo naravnega jezika. To pomeni, da nevroznanstveniki dobijo dostop do vseh zmogljivih orodij, ki so poganjala revolucijo globokega učenja, vključno s sistemi tenzorske algebre, kot sta PyTorch in TensorFlow. 

Kaj to pomeni? Od nerazumevanja velikih delov možganov smo v manj kot desetletju uspeli prenesti dobre modele možganov. S pravimi naložbami bomo kmalu imeli odlične modele velikih delov možganov. Vizualni sistem je bil prvi modeliran; slušni sistem ni zaostajal; in druga področja bodo zagotovo padla kot domine, ko bodo neustrašni nevroznanstveniki hiteli reševati skrivnosti možganov. Poleg potešitve naše intelektualne radovednosti – kar je velik motivator za znanstvenike! – bo ta inovacija vsakemu programerju omogočila, da prenese dobre modele možganov in odklene nešteto aplikacij.

Področja uporabe

Umetnost in oglaševanje

Začnimo s to preprosto predpostavko: 99 % medijev, ki jih doživljamo, je skozi naše oči in ušesa. Obstajajo cele industrije, ki se lahko strnejo k zagotavljanju pravih slikovnih pik in tonov tem čutom: vizualna umetnost, oblikovanje, filmi, igre, glasba in oglaševanje je le nekaj izmed njih. Niso naše oči in ušesa tista, ki razlagajo te izkušnje, saj so le senzorji: naši možgani so tisti, ki te informacije razumejo. Mediji so ustvarjeni za informiranje, za zabavo, za zbujanje želenih čustev. Toda ugotavljanje, ali je sporočilo na sliki, profesionalnem posnetku glave ali oglasu sprejeto, kot je bilo predvideno, je frustrirajoča vaja poskusov in napak: ljudje morajo biti v zanki, da ugotovijo, ali sporočilo zadene, kar je drago in dolgotrajno. poraba.

Obsežne spletne storitve so odkrile načine, kako se temu izogniti z avtomatizacijo poskusov in napak: testi A/B. Google slavno preizkusili, katerega od 50 odtenkov modre uporabiti za povezave na strani z rezultati iskalnika. Po poročanju The Guardiana je najboljša izbira povzročila izboljšanje prihodkov v primerjavi z izhodiščem 200 milijonov $ v letu 2009 ali približno 1 % Googlovih prihodkov v tistem času. Netflix prilagodi sličice gledalcu, da optimizira njegovo uporabniško izkušnjo. Te metode so na voljo spletnim velikanom z ogromnim prometom, ki lahko premagajo hrup, ki je neločljivo povezan z vedenjem ljudi.

Kaj pa, če bi lahko predvideli, kako se bodo ljudje odzvali na medije, preden bi dobili kakršne koli podatke? To bi malim podjetjem omogočilo, da optimizirajo svoja pisna gradiva in spletna mesta, kljub temu, da imajo malo že obstoječe privlačnosti. NeuroAI je vedno bližje temu, da bi lahko predvidel, kako se bodo ljudje odzvali na vizualne materiale. Na primer raziskovalci v podjetju Adobe delajo na orodjih predvidevati in usmerjati vidno pozornost v ilustracijah.

Raziskovalci so tudi prikazali urejanje fotografij za njihovo izdelavo bolj vizualno zapomnljivo ali estetsko prijeten. Uporabite ga lahko na primer za samodejno izbiro profesionalnega posnetka glave, ki je najbolj usklajen s podobo, ki jo ljudje želijo projicirati o sebi – profesionalno, resno ali ustvarjalno. Umetne nevronske mreže lahko celo najdejo načine za učinkovitejše sporočanje sporočil kot realistične slike. OpenAI-jev CLIP je mogoče preizkusiti, da bi našli slike, ki so usklajene s čustvi. Podoba, ki je najbolj usklajena s konceptom šoka, ne bi bila na mestu poleg Munchovega Krika.

V zadnjem letu sta OpenAI in Google prikazala generativna umetniška omrežja z impresivno sposobnostjo ustvarjanja fotorealističnih slik iz besedilnih pozivov. Za glasbo še nismo povsem dosegli tega trenutka, toda glede na hitrost napredka generativnih modelov se bo to zagotovo zgodilo v naslednjih nekaj letih. Z izgradnjo strojev, ki lahko slišijo kot ljudje, bomo morda lahko demokratizirali glasbeno produkcijo in dali vsakomur možnost, da naredi to, kar lahko storijo visoko usposobljeni glasbeni producenti: sporočiti pravo čustvo med refrenom, bodisi melanholijo ali veselje; ustvariti ušesni črv melodije; ali narediti komad neustavljivo plesen.

Obstajajo ogromni pritiski trga za optimizacijo avdiovizualnih medijev, spletnih mest in zlasti oglasov, in v ta proces že vključujemo nevroAI in algoritemsko umetnost. Ta pritisk bo privedel do uspešnega cikla, kjer bo nevroAI postal boljši in bolj uporaben, ko bo več sredstev vloženih v praktične aplikacije. Stranski učinek tega je, da bomo dobili zelo dobre modele možganov, ki bodo uporabni daleč zunaj oglasov. 

Dostopnost in algoritemska zasnova

Ena najbolj vznemirljivih aplikacij nevroAI je dostopnost. Večina medijev je namenjena »povprečnemu« človeku, vendar vsi vizualne in slušne informacije obdelujemo drugače. 8 % moških in 0.5 % žensk je rdeče-zelenih daltonistov in velika količina medijev ni prilagojena njihovim potrebam. Danes obstajajo številni izdelki, ki simulirajo barvno slepoto, vendar zahtevajo, da oseba z normalnim barvnim vidom interpretira rezultate in naredi potrebne spremembe. Tudi statična preslikava barv ne deluje za te potrebe, saj nekateri materiali ne ohranijo svoje semantike s preslikavo barv (npr. grafi, ki postanejo težko berljivi). Lahko bi avtomatizirali ustvarjanje materialov in spletnih strani, varnih za barvno slepoto, z metodami nevroAI, ki ohranjajo semantiko obstoječe grafike.

Drug primer je pomoč ljudem z učnimi težavami, kot je disleksija, ki prizadene do 10 % ljudi po vsem svetu. Ena od temeljnih težav pri disleksiji je občutljivost na gnečo, kar je težava pri prepoznavanju oblik s podobnimi osnovnimi značilnostmi, vključno z zrcalno simetričnimi črkami, kot sta p in q. Anne Harrington in Arturo Deza na MIT delata na modelih neuroAI ki modelirajo ta učinek in dobili nekaj zelo obetavnih rezultatov. Predstavljajte si, da vzamete modele vizualnega sistema z disleksijo, da oblikujete pisave, ki so estetsko prijetne in lažje berljive. S pravimi podatki o vizualnem sistemu določene osebe lahko celo prilagodite pisavo določenemu posamezniku, ki obeta pri izboljšanju bralne uspešnosti. Tu čakajo potencialno velike izboljšave kakovosti življenja.

Zdravje

Mnogi nevroznanstveniki vstopijo na to področje z upanjem, da bodo njihove raziskave pozitivno vplivale na zdravje ljudi, zlasti ljudi, ki živijo z nevrološkimi motnjami ali težavami z duševnim zdravjem. Zelo upam, da bo nevroAI odklenil nove terapije: z dobrim modelom možganov lahko izdelamo prave dražljaje, tako da do njih pride pravo sporočilo, kot se ključ prilega ključavnici. V tem smislu bi lahko nevroAI uporabili podobno kot algoritemsko načrtovanje zdravil, vendar namesto majhnih molekul zagotavljamo slike in zvoke. 

Najbolj dostopne težave vključujejo receptorje oči in ušes, ki so že dobro označeni. Več sto tisoč ljudi je prejelo polževe vsadke, nevroprotetiko, ki električno stimulira polž v ušesu in gluhim ali naglušnim omogoča, da ponovno slišijo. Te vsadke, ki vsebujejo nekaj deset elektrod, je težko uporabljati v hrupnem okolju z več zvočniki. Model možganov lahko optimizirati vzorec stimulacije vsadka za okrepitev govora. Zanimivo je, da bi to tehnologijo, razvito za ljudi z vsadki, lahko prilagodili tako, da ljudem brez vsadkov pomaga bolje razumeti govor s spreminjanjem zvokov v realnem času, ne glede na to, ali imajo motnjo slušnega procesiranja ali so preprosto pogosto v glasnem okolju.

Številni ljudje doživljajo spremembe svojih senzoričnih sistemov tekom svojega življenja, ne glede na to, ali okrevajo po operaciji sive mrene ali s starostjo postanejo kratkovidni. Vemo, da se lahko ljudje po takšni spremembi s ponavljanjem naučijo pravilno razlagati svet, pojav, ki se imenuje zaznavno učenje. Morda bomo lahko maksimizirali to zaznavno učenje, tako da bodo lahko ljudje hitreje in učinkoviteje obnovili svoje sposobnosti. Podobna ideja bi lahko pomagala ljudem, ki so po možganski kapi izgubili sposobnost tekočega premikanja udov. Če bi našli pravo zaporedje gibov za optimalno krepitev možganov, bi morda lahko pomagali osebam, ki so preživele možgansko kap, da ponovno pridobijo več funkcij, kot je bolj tekoča hoja ali preprosto držanje skodelice kave, ne da bi jo polili. Poleg tega, da pomaga ljudem obnoviti izgubljene fizične funkcije, bi ista ideja lahko pomagala zdravim ljudem doseči vrhunsko senzorično zmogljivost – ne glede na to, ali so igralci baseballa, lokostrelci ali patologi.

Končno smo lahko videli, kako se te zamisli uporabljajo pri zdravljenju motenj razpoloženja. Med pandemijo sem hodil na številne razstave vizualne umetnosti, da bi si razbremenil dolgčas, in to mi je izjemno dvignilo razpoloženje. Vizualna umetnost in glasba nam lahko dvigneta razpoloženje in to je dokaz, da smo lahko sposobni izvajati terapije za motnje razpoloženja prek čutil. Vemo, da nadzorovanje aktivnosti določenih delov možganov z električno stimulacijo lahko ublaži depresijo, odporno na zdravljenje; morda bi posredno nadziranje možganske dejavnosti prek čutil lahko pokazalo podobne učinke. Z uvedbo preprostih modelov – nizko visečega sadja –, ki vplivajo na dobro poznane dele možganov, bomo začeli graditi bolj zapletene modele, ki lahko pomagajo zdravju ljudi. 

Omogočanje tehnoloških trendov

NeuroAI bo potreboval mnogo let, da bo ukroten in uveden v aplikacije, prestregel pa bo tudi druge nastajajoče tehnološke trende. Tukaj izpostavljam zlasti dva trenda, zaradi katerih bo nevroAI veliko močnejša: razširjena resničnost (AR), ki lahko natančno posreduje dražljaje; in vmesniki možgani-računalnik (BCI), ki lahko merijo možgansko aktivnost, da preverijo, ali dražljaji delujejo na pričakovan način.  

Razširjena resničnost

Trend, ki bo naredil aplikacije neuroAI veliko močnejše, je sprejetje očal za razširjeno resničnost. Obogatena resničnost (AR) ima potencial, da postane vseprisotna računalniška platforma, ker se AR vključuje v vsakdanje življenje.

Hipoteza Michaela Abrasha, glavnega znanstvenika pri Meta Reality Labs, je, da če izdelate dovolj zmogljiva očala AR, jih bodo vsi želeli. To pomeni gradnjo očala za zavedanje sveta, ki lahko ustvarijo obstojne virtualne objekte, zaklenjene v svet; lahki in modni okvirji, kot par Ray-Ban; in vam daje supermoči v resničnem življenju, kot je zmožnost naravno komunicirati z ljudmi ne glede na razdaljo in izboljšanje vašega sluha. Če vam uspe izdelati ta – kar je velik tehnični izziv – bi očala AR lahko sledila poti, podobni iPhoneu, tako da jih bo vsak imel (ali kopijo) 5 let po lansiranju.

Da bi to uresničila, je Meta porabila 10 milijard dolarjev lani za raziskave in razvoj metaverzuma. Čeprav ne vemo zagotovo, kaj namerava Apple, obstajajo močni znaki, da delajo na AR očalih. Torej obstaja tudi izjemen pritisk na strani ponudbe, da se AR zgodi.

Tako bo široko dostopna prikazovalna naprava, ki je veliko močnejša od današnjih statičnih zaslonov. Če je sledi poti VR, bo sčasoma imelo integrirano sledenje očem. To bi pomenilo široko dostopen način predstavitve dražljajev, ki je veliko bolj nadzorovan, kot je trenutno mogoče, kar so sanje nevroznanstvenikov. In te naprave bodo verjetno imele daljnosežne zdravstvene aplikacije, kot je povedal Michael Abrash leta 2017, kot je izboljšanje vida pri šibki svetlobi ali omogočanje normalnega življenja kljub degeneraciji makule.

Pomen nevroAI je jasen: v vsakdanjem življenju bi lahko neprekinjeno zagotavljali pravi dražljaj na visoko nadzorovan način. To velja za vid in morda manj očitno za sluh, saj lahko posredujemo prostorski zvok. To pomeni, da bodo naša orodja za uvedbo terapij nevroAI za ljudi z nevrološkimi težavami ali za izboljšanje dostopnosti postala veliko močnejša.

BCI

Z odličnim zaslonom in zvočniki lahko natančno nadzorujemo glavne vnose v možgane. Naslednja, močnejša stopnja pri podajanju dražljajev prek čutil je preverjanje, ali se možgani odzivajo na pričakovan način prek vmesnika možgani-računalnik (BCI), ki je samo za branje. Tako lahko izmerimo učinke dražljajev na možgane, in če niso takšni, kot smo pričakovali, se lahko ustrezno prilagodimo v tako imenovanem nadzoru z zaprto zanko. 

Da bo jasno, tukaj ne govorim o metodah BCI, kot je Neuralinkov čip ali globoko možganski stimulatorji, ki gredo v lobanjo; za te namene zadostuje neinvazivno merjenje možganske aktivnosti izven lobanje. Prav tako vam ni treba neposredno stimulirati možganov: očala in slušalke so vse, kar potrebujete za nadzor večine možganskih vnosov.

Obstajajo številni neinvazivni BCI-ji samo za branje, ki so danes komercializirani ali v pripravi, ki bi jih lahko uporabili za krmiljenje z zaprto zanko. Nekateri primeri vključujejo:

• EEG. Elektroencefalografija meri električno aktivnost možganov zunaj lobanje. Ker lobanja deluje kot volumski prevodnik, ima EEG visoko časovno ločljivost, a nizko prostorsko ločljivost. Čeprav ima to omejeno potrošniško uporabo na izdelke za meditacijo (Muse) in nišnih nevromarketinških aplikacij, sem navdušen nad nekaterimi njegovimi uporabami v kontekstu nadzora zaprtega kroga. EEG je lahko veliko močnejši, če imamo nadzor nad dražljajem, saj je mogoče korelirati predstavljeni dražljaj z EEG signalom in dekodirati, na kaj je oseba bila pozorna (metode evociranih potencialov). Dejansko je bil pridobljen NextMind, ki je naredil "miselni klik" na podlagi EEG na podlagi evociranih potencialov. avtor Snap, ki zdaj izdeluje izdelke AR. OpenBCI je načrtovanje izdati slušalke, ki integrirajo svoje EEG senzorje z vrhunskimi slušalkami Aero podjetja Varjo. Ne bi štela EEG.
• fMRI. Funkcionalno slikanje z magnetno resonanco meri majhne spremembe v oksigenaciji krvi, povezane z nevronsko aktivnostjo. Je počasen, ni prenosljiv, potrebuje svojo sobo in je zelo drag. Vendar fMRI ostaja edina tehnologija, ki lahko neinvazivno bere aktivnost globoko v možganih na prostorsko natančen način. Obstajata dve paradigmi, ki sta dokaj zreli in pomembni za nevronski nadzor zaprte zanke. Prvi je biofeedback, ki temelji na fMRI. Podpolje fMRI kaže, da lahko ljudje modulirajo svojo možgansko aktivnost tako, da jo vizualno predstavijo na zaslonu ali slušalkah. Drugi je kortikalno kartiranje, vključno s pristopi, kot so populacijska receptivna polja in ocenjevanje selektivnosti vokselov s filmskimi posnetki ali poddaje, ki omogočajo oceno, kako se različna področja možganov odzivajo na različne vidne in slušne dražljaje. Ti dve metodi namigujeta, da bi moralo biti mogoče oceniti, kako intervencija nevroAI vpliva na možgane in jo usmerjati, da je učinkovitejša.
• fNIRS. Funkcionalna bližnja infrardeča spektroskopija uporablja difuzno svetlobo za oceno prostornine možganske krvi med oddajnikom in receptorjem. Zanaša se na dejstvo, da je kri neprozorna in povečana nevronska aktivnost vodi do zakasnjenega dotoka krvi v določen volumen možganov (isti princip kot fMRI). Običajni NIRS ima nizko prostorsko ločljivost, toda s časovnim preklopom (TD-NIRS) in masivnim predvzorčenjem (difuzna optična tomografija) je prostorska ločljivost veliko boljša. Na akademski fronti, Skupina Joeja Culverja pri WUSTL so dokazali dekodiranje filmov iz vidne skorje. Na komercialnem področju je Kernel zdaj izdelava in pošiljanje slušalk TD-NIRS ki so impresivni inženirski podvigi. In to je področje, kjer si ljudje prizadevajo in napredek je hiter; moja stara skupina pri Meti je pokazala 32-kratno izboljšanje razmerja med signalom in šumom (ki bi ga lahko povečali na >300) v sorodni tehniki.
• MEG. Magnetoencefalografija meri majhne spremembe magnetnih polj in tako lokalizira možgansko aktivnost. MEG je podoben EEG, saj meri spremembe v elektromagnetnem polju, vendar ne trpi zaradi volumske prevodnosti in ima zato boljšo prostorsko ločljivost. Prenosni MEG, ki ne potrebuje hlajenja, bi spremenil igro za neinvazivno BCI. Ljudje napredujejo z magnetometri z optično črpalko in možno je kupiti posamezne senzorje OPM na prostem trgu od proizvajalcev, kot je QuSpin.

Poleg teh bolj znanih tehnik bi lahko nekatere tehnologije temnega konja, kot so digitalna holografija, fotoakustična tomografija in funkcionalni ultrazvok, povzročile hitre spremembe paradigme v tem prostoru.

Medtem ko je potrošniški neinvazivni BCI še vedno v povojih, obstajajo številni tržni pritiski okoli primerov uporabe AR, ki bodo kolač povečali. Dejansko je pomembna težava za AR nadzor nad napravo: ne želite, da bi vam bilo treba hoditi naokoli s krmilnikom ali mrmrati v očala, če se temu lahko izognete. Podjetja se zelo resno ukvarjajo z reševanjem tega problema, kar dokazuje Facebook, ki je kupil CTRL+Labs v 2019, Snap, ki pridobi NextMind, in Valve, ki se združuje z OpenBCI. Tako bomo verjetno videli, da se nizkodimenzionalni BCI hitro razvijajo. Visokodimenzionalni BCI bi lahko sledili isti poti, če najdejo ubijalsko aplikacijo, kot je AR. Možno je, da so vrste aplikacij nevroAI, ki jih tukaj zagovarjam, prav pravi primer uporabe te tehnologije.

Če lahko nadzorujemo vnos v oči in ušesa ter natančno merimo stanja možganov, lahko izvajamo terapije, ki temeljijo na nevroAI, na nadzorovan način za največjo učinkovitost.

Kaj manjka na terenu

Temeljna znanost za aplikacijami NeuroAI hitro dozoreva in obstajajo številni pozitivni trendi, ki bodo povečali njeno splošno uporabnost. Kaj torej manjka, da bi aplikacije neuroAI prinesli na trg?

1. Orodje. Druga podpolja znotraj umetne inteligence so imela ogromno koristi od zbirk orodij, ki omogočajo hiter napredek in deljenje rezultatov. To vključuje knjižnice tenzorske algebre, kot sta Tensorflow in PyTorch, okolja za usposabljanje, kot je OpenAI Gym, in ekosisteme za izmenjavo podatkov in modelov, kot je 🤗 HuggingFace. Centralizirano skladišče modelov in metod ter paketov za vrednotenje, ki bi lahko izkoristili obilico simulacijskih podatkov, bi to področje potisnilo naprej. Obstaja že močna skupnost odprtokodnih nevroznanstvenih organizacij, ki bi lahko služile kot naravni gostitelji teh prizadevanj.
2. Nadarjenost. Obstaja izginotno majhno število mest, kjer potekajo raziskave in razvoj na stičišču nevroznanosti in umetne inteligence. Območje zaliva z laboratoriji na Stanfordu in Berkeleyju ter bostonsko podzemno območje s številnimi laboratoriji na MIT in Harvardu bodo verjetno prejele večino naložb iz že obstoječega ekosistema tveganega kapitala. Tretje verjetno središče je Montreal v Kanadi, ki ga dvignejo ogromni oddelki za nevroznanost na McGillu in Universite de Montreal, skupaj s privlačnostjo Mila, inštituta za umetno inteligenco, ki ga je ustanovil pionir AI Yoshua Bengio. Našemu področju bi koristili specializirani doktorski programi in centri odličnosti na področju nevroAI, da bi spodbudili komercializacijo.
3. Novi modeli financiranja in komercializacije za medicinske aplikacije. Medicinske aplikacije imajo dolgo pot do komercializacije in zaščitena intelektualna lastnina je običajno predpogoj za pridobitev sredstev za zmanjšanje tveganja naložb v tehnologijo. Znano je, da je inovacije, ki temeljijo na AI, težko patentirati, programska oprema kot medicinska naprava (SaMD) pa šele prihaja na trg, zaradi česar je pot do komercializacije negotova. Potrebovali bomo sredstva, ki bodo osredotočena na združevanje strokovnega znanja o umetni inteligenci in medicinski tehnologiji za negovanje tega nastajajočega področja. 

Zgradimo nevroAI

Znanstveniki in filozofi so se že od nekdaj ugankali, kako možgani delujejo. Kako nam tanek list tkiva, velik kvadratni meter, omogoča, da vidimo, slišimo, čutimo in razmišljamo? NeuroAI nam pomaga razumeti ta globoka vprašanja z gradnjo modelov nevroloških sistemov v računalnikih. S potešitvijo te temeljne želje po znanju – kaj pomeni biti človek? – nevroznanstveniki izdelujejo tudi orodja, ki bi lahko milijonom ljudi pomagala živeti bogatejša življenja.

Objavljeno 4. avgusta 2022