A IA aproxima as próteses de visão em nível de objeto da realidade

Crédito da imagem: Por Jeff Dahl – Trabalho próprio do uploader, baseado em documento de domínio público: (1), CC BY-SA 3.0, Hyperlink

Por Stephanie Parker

Esta pesquisa do Laboratório NeuroAI de Martin Schrimpf, parte das Escolas de Ciências da Computação e da Comunicação e Ciências da Vidausa modelos de IA para prever exatamente onde estimular o cérebro para evocar imagens de rostos e objetos específicos nos usuários, em vez de simplesmente evocar pontos de luz. O modelos desenvolvidos na EPFL foram usados ​​por pesquisadores holandeses para testes ao vivo em macacos avistados. Os resultados preliminares, apresentados em abril no Conferência Internacional sobre Representações de Aprendizagemmostram implicações muito promissoras para a visão também em humanos.

“A motivação para este projeto é que existem muitas pessoas com défices visuais que são irreparáveis, no sentido de que algures ao longo do fluxo de processamento visible, começando pela retina, existe um défice que não pode ser reparado”, diz Johannes Mehrer, cientista do laboratório NeuroAI que liderou a investigação. “Uma forma de resolver esse problema é desenvolver uma prótese visible.”

Existem vários tipos de próteses visuais, incluindo retina, nervo óptico e cortical. As próteses de retina são colocadas em algum lugar da retina, e as próteses do nervo óptico são usadas quando a retina está muito danificada para um implante e o nervo óptico pode ser estimulado. Quando nem a retina nem o nervo óptico podem ser implantados, são utilizadas próteses corticais. Eles contornam totalmente a retina e o nervo óptico e, em vez disso, funcionam estimulando o córtex visible, usando eletrodos para “desenhar” imagens nele. No entanto, até agora, esta abordagem é limitada porque visa regiões de nível inferior do cérebro onde só é possível projetar flashes de luz e formas simples. Existem também restrições de {hardware} porque são necessários vários eletrodos para estimular áreas diferentes ao mesmo tempo, mas apenas um certo número de eletrodos pode ser usado em uma área.

“As imagens que eles conseguem extrair, neste caso símbolos simples, são realmente limitadas em sua complexidade”, explica Mehrer. “No momento, as abordagens existentes para próteses visuais não conseguiam provocar a percepção de um objeto visible mais complexo, como uma casa ou um carro.”

Regiões visuais de nível superior do cérebro estão subjacentes ao processamento de objetos mais complexos e poderiam, assim, servir como alvo para uma nova geração de próteses visuais, permitindo a obtenção de imagens de rostos, casas e outros objetos. Contudo, estas regiões de nível superior são menos acessíveis, porque não se sabe exatamente onde e como estimulá-las. É aqui que entra o modelo de IA.

Para restaurar uma visão significativa

“Tivemos a ideia de usar uma rede neural synthetic, neste caso um tipo específico chamado rede neural topográfica, para testar vários padrões de estimulação cerebral nessas regiões de nível superior do cérebro e simular seus resultados”, diz Mehrer. “Podemos então executar todos os tipos de simulações usando diferentes combinações de diferentes parâmetros que, de outra forma, consumiriam muito tempo experimental e custariam muito dinheiro.”

Os pesquisadores da EPFL, trabalhando inteiramente em computadores, montaram um modelo para selecionar a melhor combinação de imagens com o padrão específico de estimulação. Após os resultados, uma equipa de investigadores em Amesterdão decidiu testar a previsão do modelo em dois dos seus macacos que já tinham implantes para outras experiências que não envolviam EPFL.

“Nosso modelo revelou-se bastante eficiente na previsão de qual padrão de estimulação produziria um forte efeito no comportamento dos macacos no que diz respeito ao reconhecimento visible de objetos”, diz Martin Schrimpf, chefe do Laboratório NeuroAI. “Nossos modelos podem fazer a seleção de imagens, mas a parte mais importante é que, dada uma imagem, ela pode nos dizer qual é o padrão de estimulação ideally suited para um determinado comportamento desejado.”

O que os investigadores conseguiram mostrar até agora com este trabalho é que podem moldar a percepção do objeto, o que significa que, se um estímulo visible for apresentado, podem distorcer a sua representação no cérebro. No entanto, eles ainda não podem criar a percepção do objeto do nada. Estimular o córtex enquanto não há estímulo visible apresentado seria o próximo passo para restaurar a visão significativa aos cegos.

“O macaco já viu uma imagem e então conseguimos basicamente distorcê-la para mudar a percepção de uma forma um tanto previsível”, diz Schrimpf. “O objetivo maior será evocar uma percepção do zero: fazer alguém ver algo significativo mesmo quando seus olhos não estão fornecendo uma imagem utilizável.”

Este trabalho mostrando que a estimulação cerebral guiada por modelo poderia levar a próteses visuais mais avançadas também poderia ser aplicado a próteses auditivas. Através de uma bolsa da Horton Well being Basis, Schrimpf e sua equipe investigarão em seguida se esse tipo de modelagem funciona para a estimulação auditiva.

“Os implantes cocleares são ótimos, mas também não são perfeitos em muitos aspectos e não restauram totalmente o processamento auditivo”, diz Schrimpf. “Nossa ideia é desenvolver esses tipos de modelos topográficos que possam prever o que a estimulação faz com a atividade neural também para o processamento auditivo.”