Biomedya - Biyoteknoloji & Yaşam Bilimleri

Bir robot kol, bir makine-öğrenme algoritması ve bir beyin-bilgisayar arayüzü, tetraplejik hastaların (üst veya alt bedenlerini hareket ettiremeyenler) dünya ile etkileşime girmesine yardımcı olacak bir araç oluşturmak için birleştirildi. Tam olarak robotu kontrol etmek için bir beyin arayüzünün ilk kez kullanılması olmasa da hastadan girdi almadan beyin sinyallerini tahmin edip anlayarak hareket sağlıyor.

Araştırma, İsviçre Federal Teknoloji Enstitüsü (EPFL) araştırmacıları tarafından tamamlandı. EPFL'nin Öğrenme Algoritmaları ve Sistemleri Laboratuvarı başkanı Profesör Aude Billard ve daha önce EPFL'nin Beyin-Makine arayüzü Laboratuvarı başkanı olan José del R. Millán , bir hastanın beyninden gelen elektrik sinyallerini kullanarak bir robotu kontrol edebilen bir bilgisayar programı oluşturmak için birlikte çalıştılar.

Ekip, hastanın beyninden gelen sinyalleri yorumlamak ve bunları bir robot kolunun eklemlenmesine dönüştürmek için bir makine öğrenimi algoritması kullandı.

Hastanın beyin aktivitesi, kafanızın içindeki elektriksel aktiviteyi etkili bir şekilde tarayan bir EEG başlığı ile izlendi. Bu beyin dalgaları daha sonra makine öğrenimi algoritması tarafından yorumlanmak üzere bir bilgisayar aracılığıyla gönderilir. Algoritma, hasta bir hata fark ettiğinde beyin sinyallerini çevirir ve beyin belirli bir eylemi beğenmediğinde otomatik olarak çıkarım yapar.

Ekibin araştırmasında robot kolu bir bardakla kullandılar. Kol cama doğru hareket edecek ve hastanın beyni, camın çok yakın mı yoksa çok uzak mı olduğuna karar verecekti. Robot, bireyin tercihi için en uygun rotayı anlayana kadar süreç tekrarlanır.

Araştırma yazarı Aude Billard;"Kaydettiğimiz beyin sinyalleri asla aynı olmayacak. Zaman içinde bir değişkenliğimiz var ve bu doğal. Niye ya? Çünkü elimi hareket ettirirsem, beyin sadece buna odaklanmakla kalmaz, beyin başka birçok şeyi de işliyor.Dolayısıyla, bu değişkenliğin olması, kod çözücümüzün asla yüzde 100 doğru olmayacağı anlamına geliyor. “ dedi.

Bununla birlikte, bu araştırmada kullanılan makine öğrenimi algoritması sayesinde robot, belirli durumlarda beyin sinyallerini tahmin etmek için değişkenliği daha iyi anlayabilir. Örneğin, bir camın yanından geçerken mesafe tercihi veya pratik bir durumda tekerlekli sandalyedeki tetraplejik bir hastanın sokaktaki diğer insanlara ne kadar yaklaşmaya istekli olduğu anlayabilir.

Algoritmayı tekerlekli sandalyeye uygulamak, teknolojinin gelecekte nereye gidebileceğinin bir örneğidir. Bu, tekerlekli sandalyedeki insanların hareketleri, hızları ve genel güvenlikleri üzerinde daha fazla kontrole sahip olmalarını sağlayacaktır. Algoritma, bir kullanıcının hız tercihini, engellerden ve insanlardan memnun oldukları mesafeyi ve hatta belirli durumlarda, örneğin geç veya meşgul bir yerdeyken almaya istekli oldukları risk düzeyini anlamak için beyin sinyallerini yorumlayabilir.

Billard, “ Örneğin, konuşma kullanmak yerine bu algoritmayı kullanmak ilginç, çünkü kolayca ifade edemeyeceğiniz şeyler var.Mesela meslekten olmayan biri tekerlekli sandalyenin hızlanmasını sevmediğini dile getiremeyebilir. Tam olarak sevmediğin şey nedir? Bu daha sonra nasıl bir kontrol parametresine dönüşüyor?. şeklinde aktardı.

Bu, teknolojinin mevcut diğer engellilik yardımlarından ayrıldığı yerdir. Algoritmanın beyninizden gelen sinyalleri anlamasına izin vererek, bir kişinin kendini açıklayamadığı kesin duyguları yorumlayabilir. Bununla birlikte, bu, algoritmanın zaman içinde tutarlılığını ve tespitin istatistiksel olarak anlamlı olduğunu kanıtlamayı gerektirir.

Bu tutarlılık olmadan, algoritma gerçek yaşam durumlarında bozulabilir. Örneğin, birisi bir kalabalığın içinde tekerlekli sandalye kullanıyorsa ve bir tartışmada insanların yanından geçiyorsa, kişi sürüş deneyimiyle ilgisi olmayan bir hata üretebilir.

Makale:nature.com