“ابتكار ثوري في الذكاء الصناعي: خوارزمية جديدة لفصل الأنماط الدماغية قد تحدث تحولًا في واجهات الدماغ والحاسوب”

ثورة في فهم الدماغ: خوارزمية جديدة لفصل الأنماط الدماغية

في تطور غير مسبوق في علم الذكاء الصناعي، أطلقت مريم شانيشي، حاملة كرسي “سوشوك” في الهندسة الكهربائية وعلوم الكمبيوتر والمديرة المؤسسة لمركز التكنولوجيا العصبية في جامعة كاليفورنيا الجنوبية، خوارزمية جديدة يمكنها فصل الأنماط الدماغية المرتبطة بسلوكيات معينة. هذا الابتكار، الذي يمكن أن يحدث تحولاً في واجهات الدماغ والحاسوب ويكشف عن أنماط جديدة في الدماغ، نُشر في مجلة “Nature Neuroscience”.

التحديات في تحليل الأنماط الدماغية

كل لحظة من حياتنا اليومية تُشرك الدماغ في مجموعة من السلوكيات المتعددة. قد تكون في لحظة ما تتحرك بذراعك لالتقاط فنجان من القهوة بينما تقرأ بصوت عالٍ أو تشعر بالجوع. يتم ترميز هذه السلوكيات المختلفة، مثل حركة الذراع، التحدث، والشعور بالجوع، في دماغك بشكل متزامن. هذه الترميزات المتداخلة تؤدي إلى أنماط كهربائية معقدة في الدماغ، مما يجعل من الصعب فصل الأنماط المرتبطة بسلوك معين عن غيرها من الأنماط.

التطبيقات المحتملة في واجهات الدماغ والحاسوب

يُعد فصل الأنماط الدماغية من الخطوات الأساسية لتطوير واجهات الدماغ والحاسوب التي تهدف إلى استعادة الحركة للمرضى المشلولين. هؤلاء المرضى، الذين لا يستطيعون تحويل أفكارهم إلى حركة فعلية، يمكنهم الاستفادة من هذه الواجهات التي تترجم النشاط الدماغي المخطط للحركة إلى إشارات لتحريك أجهزة خارجية مثل الأذرع الروبوتية أو المؤشرات الرقمية.

تفاصيل الخوارزمية الجديدة DPAD

شانيشي وطالبها السابق، أوميد ساني، الذي أصبح باحثاً مشاركاً في مختبرها، قد طوروا خوارزمية ذكاء صناعي جديدة تُعرف باسم “DPAD” أو “التحليل التفاضلي للأولوية للديناميات”. تقول شانيشي: “تعمل خوارزمية DPAD على فصل الأنماط الدماغية المرتبطة بسلوك معين، مثل حركة الذراع، عن الأنماط الأخرى التي تحدث في نفس الوقت.” وأضافت: “يمكننا الآن فك شفرة الحركات من النشاط الدماغي بدقة أكبر من الطرق السابقة، مما يعزز واجهات الدماغ والحاسوب، ويسمح لنا باكتشاف أنماط جديدة قد تُفوت بطرق أخرى.”

كيفية عمل الخوارزمية

وفقاً لساني، “أحد العناصر الأساسية في خوارزمية DPAD هو البحث أولاً عن الأنماط الدماغية المرتبطة بالسلوك المستهدف، وتعلم هذه الأنماط بشكل أولوية خلال تدريب الشبكة العصبية العميقة.” وأضاف: “بعد ذلك، يمكن للخوارزمية تعلم الأنماط المتبقية بحيث لا تؤثر على الأنماط المتعلقة بالسلوك. استخدام الشبكات العصبية يتيح مرونة كبيرة في وصف أنواع متعددة من الأنماط الدماغية.”

الإمكانات المستقبلية في الصحة النفسية

إلى جانب تحسين حركة الأطراف، تمتاز خوارزمية DPAD بإمكاناتها المستقبلية في فهم حالات عقلية مثل الألم أو المزاج المكتئب. يمكن أن تسهم هذه التكنولوجيا في تحسين معالجة حالات الصحة النفسية من خلال تتبع أعراض المرضى بدقة وتخصيص العلاجات بما يتناسب مع احتياجاتهم الفردية.

قالت شانيشي: “نحن متحمسون جداً لتوسيع تطبيقات طريقتنا لتشمل تتبع حالات الأعراض في الصحة النفسية.” وأضافت: “هذه التقنية يمكن أن تؤدي إلى تطوير واجهات دماغ وحاسوب جديدة تعالج ليس فقط اضطرابات الحركة والشلل، بل أيضاً حالات الصحة النفسية.”