Skip to main content

Predictive Neural Information for Proactive Actions: From Monkey Brain to Smart House Control

Article Category

Article available in the folowing languages:

Spianare la strada a una migliore interazione uomo-macchina

Al momento, i sistemi di interfaccia tra cervello e macchina, impiegati nei robot e nelle protesi, interagiscono in maniera un po’ goffa con gli esseri umani, spesso fornendo risposte con ritardi fastidiosi. Plan4Act ha sfruttato i segnali cerebrali predittivi per aiutare i sistemi a interagire in modo più fluido con gli esseri umani.

Economia digitale

Tramite l’osservazione del comportamento reciproco, gli esseri umani stimolano mentalmente i risultati probabili di una sequenza di azioni, permettendo la pianificazione a lungo termine. Se i computer avessero la capacità di «leggere» questa pianificazione dall’attività cerebrale, venendo a conoscenza delle azioni future che gli esseri umani hanno intenzione di compiere, ciò consentirebbe anche a loro di pianificare in anticipo, rendendo le interazioni meno riflessive e più naturali. «Basti pensare alle squadre sportive in cui i giocatori lavorano insieme in modo intuitivo, rispondendo agli indizi sottili dei colleghi e pianificando le proprie azioni di conseguenza», afferma Florentin Wörgötter dell’Università di Gottinga, ente che ospita il progetto. «Sapevamo che è possibile risalire alle intenzioni di pianificazione dai segnali cerebrali, quindi volevamo collegare i dispositivi a quei segnali.» Il progetto Plan4Act, sostenuto dall’UE, è riuscito nell’intento di sviluppare un sistema integrato che permette la decodificazione dei segnali neurali, per controllare la generazione dei segnali finalizzata al funzionamento di dispositivi intelligenti. L’aspetto fondamentale del successo del sistema risiedeva nella creazione di una classe di decodificatori basati sulla rete neurale per segnali neurali predittivi incorporati in un field-programmable gate array (FPGA), un dispositivo di edge computing. Inoltre, il gruppo ha elaborato un metodo per semplificare la programmazione dell’FPGA, permettendo l’integrazione tempestiva di varianti di decodificatore.

Sfruttare i segnali cerebrali con una rete neurale artificiale

Il gruppo ha iniziato con la raccolta di informazioni relative alla codificazione predittiva in diverse regioni cerebrali delle scimmie. Poiché i segnali nel cervello sono costituiti da una sequenza di impulsi elettrici, è stato necessario decodificarli per renderli compatibili al tipo di segnali (come le tensioni) richiesto dai dispositivi bersaglio. Ciò si basava sul concetto che, essendo il cervello delle scimmie simile a quello degli esseri umani, i risultati si sarebbero rivelati trasferibili alle sequenze di impulsi neurali responsabili della codifica del mondo esterno per gli esseri umani. In primo luogo, sono stati registrati e successivamente decodificati i segnali cerebrali predittivi, permettendo a un dispositivo di controllo di prevedere, e quindi di produrre, le risposte richieste prima di che venissero sollecitate, come nel caso dei sistemi tradizionali «puntuali». Sebbene Wörgötter riferisca che la scoperta del processo di fondo sia stata relativamente agevole, il gruppo ha trovato impegnativo fare i conti con la complessità di creare un sistema che integra i vari componenti. Inoltre, sono stati compiuti molti sforzi nell’individuazione di un metodo efficace di decodificazione dei segnali neurali. «Un semplice percettrone provvisto di pochi strati si è dimostrato sufficiente per le finalità di decodificazione. Questa rete neurale era in grado di tradurre i segnali cerebrali in segnali di controllo per dispositivi con un grado elevato di affidabilità. Le reti dotate di una complessità superiore non ne sono state all’altezza», osserva Wörgötter. Il gruppo ha collaudato l’installazione completa, utilizzando alcuni segnali provenienti da una scimmia nel centro primati tedesco per mettere in funzione un distributore automatico in una casa intelligente a Madrid. Questo dispositivo intelligente era controllato da una sequenza di un massimo di tre azioni fisiche. «Tramite la decodificazione dell’attività cerebrale predittiva della scimmia, il dispositivo è riuscito a “prevedere” le fasi finali delle azioni della scimmia, rispondendo al contempo alla prima fase del piano mentale della scimmia», spiega Wörgötter.

Sulla strada verso una tecnologia poco invasiva

La capacità di controllare i dispositivi in maniera predittiva, con uno sforzo fisico minimo o persino nullo, potrebbe dimostrarsi interessante per le persone con disabilità. Tuttavia, ciò è ancora lungi dal divenire realtà poiché attualmente la tecnologia si basa su procedure invasive, quali elettrodi impiantati chirurgicamente. «Naturalmente, per gli esseri umani ciò appare problematico dal punto di vista etico, quindi dobbiamo innanzitutto sviluppare elettrodi innovativi poco invasivi. Ci potrebbero volere tra i 10 e i 20 anni prima di approdare all’impiego clinico o domestico», afferma Wörgötter. Al momento, il gruppo sta lavorando per raggiungere un grado più elevato di integrazione dei diversi componenti del sistema, ottimizzando al tempo stesso le richieste di riposta proattiva della macchina, tra cui gli schemi di movimento predittivi.

Parole chiave

Plan4Act, scimmia, cervello, segnali neurali, robot, macchina, elettrodo, essere umano, rete neurale, percettrone

Scopri altri articoli nello stesso settore di applicazione

Progressi scientifici
Economia digitale
Trasporti e Mobilità
Cambiamento climatico e Ambiente

25 Febbraio 2022

Progressi scientifici
Economia digitale
Sicurezza
Salute

22 Giugno 2022