211service.com
Coprocessori cerebrali
Ed Boyden , Assistant Professor, Biological Engineering e Brain and Cognitive Sciences presso il MIT Media Lab, terrà una presentazione sull'uso della luce per studiare e curare i disturbi cerebrali mercoledì alle 15:30 all'EmTech 2010 . Guarda un feed live della sessione qui.
Gli ultimi decenni hanno visto un'ondata di invenzione di tecnologie che consentono l'osservazione o la perturbazione delle informazioni nel cervello. La risonanza magnetica funzionale, che misura i cambiamenti del flusso sanguigno associati all'attività cerebrale, viene esplorata per scopi diversi come il rilevamento delle bugie, la previsione del processo decisionale umano e la valutazione del recupero del linguaggio dopo l'ictus. Gli stimolatori elettrici impiantati, che consentono il controllo dell'attività del circuito neurale, sono portati da centinaia di migliaia di persone per trattare condizioni come la sordità, il morbo di Parkinson e il disturbo ossessivo-compulsivo. E nuovi metodi, come l'uso della luce per attivare o silenziare specifici neuroni nel cervello, vengono ampiamente utilizzati dai ricercatori per rivelare informazioni su come controllare i circuiti neurali per ottenere cambiamenti terapeuticamente utili nelle dinamiche cerebrali. Stiamo entrando in un rinascimento della neurotecnologia, in cui la cassetta degli attrezzi per comprendere il cervello e ingegnerizzarne le funzioni si sta espandendo sia in portata che in potenza a un ritmo senza precedenti.
Questa cassetta degli attrezzi è cresciuta fino al punto in cui l'utilizzo strategico di più neurotecnologie in combinazione tra loro, come un sistema, può produrre nuove fondamentali capacità, sia scientifiche che cliniche, al di là di ciò che possono offrire da sole. Ad esempio, si consideri un sistema che legge l'attività da un circuito cerebrale, calcola una strategia per controllare il circuito in modo che entri nello stato desiderato o esegua un calcolo specifico e quindi fornisce informazioni al cervello per ottenere questa strategia di controllo. Un tale sistema consentirebbe ai calcoli cerebrali di essere guidati da obiettivi predefiniti fissati dal paziente o dal medico, o guidati in modo adattivo in risposta alle circostanze dell'ambiente del paziente o allo stato istantaneo del cervello del paziente.
Alcuni esempi di questo tipo di tecnologia del coprocessore cerebrale sono in fase di sviluppo attivo, come i sistemi che perturbano il cervello epilettico quando si osserva elettricamente un attacco e le protesi per gli amputati che registrano i nervi per controllare gli arti artificiali e stimolano i nervi a fornire feedback sensoriali. Guardando in fondo, tali architetture di sistema potrebbero essere in grado di funzioni molto avanzate: fornire informazioni just-in-time al cervello di un paziente con demenza per aumentare la cognizione o scolpire il profilo di rischio di un paziente con dipendenza in presenza di stimoli che provocano voglie.
Dato il numero sempre crescente di tecnologie di lettura e controllo del cervello disponibili, un'architettura di coprocessore cerebrale generalizzata potrebbe essere abilitata definendo interfacce comuni che regolino il modo in cui le tecnologie dei componenti comunicano tra loro, nonché un sistema operativo che definisce come il sistema complessivo funziona come un insieme unificato, analogo al modo in cui i personal computer governano l'interazione dei loro dischi rigidi componenti, memorie, processori e display. Una tale piattaforma di coprocessore cerebrale potrebbe facilitare l'innovazione consentendo ai neuroingegneri di concentrarsi sulle protesi neurali a livello algoritmico, proprio come un programmatore di computer può lavorare su un computer a livello concettuale senza dover pianificare il destino di ogni singolo bit. Inoltre, se arrivano nuove tecnologie, ad esempio un nuovo tipo di tecnologia di registrazione neurale, potrebbero essere incorporate in un sistema e, in linea di principio, rapidamente accoppiate ai metodi di calcolo e perturbazione esistenti, senza richiedere il pesante riadattamento di quegli altri componenti.
Lo sviluppo di tali architetture di coprocessori cerebrali richiederebbe del lavoro, in particolare, richiederebbe tecnologie sufficientemente standardizzate, o forse sufficientemente aperte, per essere interoperabili in una varietà di combinazioni. Tuttavia, si potrebbe imparare molto dallo sviluppo di sistemi prototipo relativamente semplici. Ad esempio, le tecnologie di registrazione da sole possono segnalare l'attività cerebrale, ma non possono attestare pienamente il contributo causale che l'attività cerebrale osservata apporta a uno specifico risultato comportamentale o clinico; le tecnologie di controllo possono inserire informazioni in bersagli neurali, ma da sole i loro risultati potrebbero essere difficili da interpretare a causa delle informazioni neurali endogene e dell'elaborazione neurale non osservata. Questi problemi scientifici possono essere disambiguati da rudimentali coprocessori cerebrali, costruiti con componenti facilmente reperibili in commercio, che utilizzano tecnologie di registrazione per valutare come una determinata perturbazione del circuito neurale altera le dinamiche cerebrali. Tali esplorazioni possono iniziare a rivelare i principi che governano il modo migliore per controllare un circuito, rivelando i bersagli neurali e le strategie di controllo che conducono più efficacemente a uno stato cerebrale obiettivo o effetto comportamentale, e quindi indicando la strada a nuove strategie terapeutiche. I coprocessori cerebrali in miniatura e impiantabili potrebbero essere in grado di supportare nuovi tipi di medicina personalizzata, ad esempio adattando continuamente una strategia di controllo neurale agli obiettivi, allo stato, all'ambiente e alla storia di un singolo paziente: poteri importanti, data la natura dinamica di molti disturbi cerebrali .
In futuro, il modulo computazionale di un coprocessore cerebrale potrebbe essere abbastanza potente da assistere nella cognizione umana di alto livello o nel processo decisionale complesso. Naturalmente, l'aumento dell'intelligenza umana è stato uno degli obiettivi chiave degli ingegneri informatici per oltre mezzo secolo. In effetti, se rilassiamo un po' la definizione di coprocessore cerebrale, in modo da non richiedere l'accesso fisico diretto al cervello, molte tecnologie di consumo sviluppate oggi stanno convergendo su architetture simili a coprocessori cerebrali. Un gran numero di nuove tecnologie stanno tentando di scoprire informazioni utili per un utente e di fornire queste informazioni all'utente in tempo reale. Inoltre, questi processi di scoperta e consegna sono sempre più modellati dall'ambiente (ad es. posizione) e dalla storia (ad es. interazioni sociali, ricerche) dell'utente. Quindi stiamo assistendo a un allontanamento dalla visione classica (come inizialmente anticipato dai primi pensatori sulla simbiosi uomo-macchina come J. C. R. Licklider) in cui i computer ricevono obiettivi dagli umani, eseguono calcoli definiti e quindi forniscono i risultati agli umani.
Naturalmente, dare alle macchine l'autorità di fungere da coprocessori umani proattivi e consentire loro di catturare la nostra attenzione con le loro priorità calcolate, deve essere considerato con attenzione, come chiunque abbia perso ore a causa dell'interruzione di una sfilza di aggiornamenti dei social network o gli avvisi dei motori di ricerca possono attestare. Come possiamo dare al cervello umano l'accesso a tecnologie di coprocessing sempre più proattive senza perdere di vista i nostri obiettivi generali? Un'idea è quella di sviluppare e distribuire metriche che ci permettano di valutare il QI di un essere umano più un coprocessore, lavorando insieme, valutando le prestazioni delle intelligenze naturali e artificiali in collaborazione in un'ampia batteria di contesti di risoluzione dei problemi. Dopotutto, gli esseri umani con coprocessori cerebrali basati su Internet (ad esempio, laptop con browser Web) possono essere più distratti se gli obiettivi includono attività di scrittura lunghe e mirate, ma possono essere più bravi a sintetizzare dati ampiamente provenienti da fonti disparate; una data configurazione del coprocessore cerebrale può essere buona per alcuni problemi ma dannosa per altri. Pensare alle tecnologie computazionali emergenti come coprocessori cerebrali ci costringe a pensarle in termini di impatti che hanno sul cervello, positivi e negativi, e, soprattutto, fornisce un quadro per progettare attentamente i loro effetti diretti, così come i loro effetti emergenti.
Ed Boyden è Assistant Professor di Ingegneria Biologica e Scienze del Cervello e Cognitive presso il Media Lab, il cui gruppo di Neurobiologia Sintetica si occupa di neurotecnologie per l'analisi sistematica e il controllo dei circuiti neurali.
Doug Fritz è uno studente di dottorato di Media Lab nel gruppo Fluid Interfaces, che lavora per estendere le capacità umane attraverso l'elaborazione just-in-time che aumenta la nostra interfaccia con il mondo.
Brian Allen è una studentessa di dottorato di Media Lab nel gruppo di neurobiologia sintetica, che lavora per sviluppare nuovi approcci per comprendere come il cervello dia origine alle emozioni.