211service.com
Hersencoprocessors
Ed Boyden , een assistent-professor, Biological Engineering, and Brain and Cognitive Sciences aan het MIT Media Lab, zal woensdag om 15.30 uur een presentatie geven over het gebruik van licht om hersenaandoeningen te bestuderen en te behandelen. op EmTech 2010 . Bekijk hier een live feed van de sessie.
De laatste decennia is er een golf van uitvindingen van technologieën die de observatie of verstoring van informatie in de hersenen mogelijk maken. Functionele MRI, die veranderingen in de bloedstroom meet die samenhangen met hersenactiviteit, wordt onderzocht voor uiteenlopende doeleinden zoals leugendetectie, voorspelling van menselijke besluitvorming en beoordeling van taalherstel na een beroerte. Geïmplanteerde elektrische stimulatoren, die controle over de activiteit van het neurale circuit mogelijk maken, worden door honderdduizenden mensen gedragen om aandoeningen zoals doofheid, de ziekte van Parkinson en obsessief-compulsieve stoornis te behandelen. En nieuwe methoden, zoals het gebruik van licht om specifieke neuronen in de hersenen te activeren of tot zwijgen te brengen, worden op grote schaal gebruikt door onderzoekers om inzicht te krijgen in hoe neurale circuits kunnen worden bestuurd om therapeutisch bruikbare veranderingen in de hersendynamiek te bereiken. We gaan een neurotechnologische renaissance in, waarin de gereedschapskist voor het begrijpen van de hersenen en het ontwikkelen van zijn functies in een ongekend tempo zowel in omvang als in kracht toeneemt.
Deze gereedschapskist is uitgegroeid tot het punt waarop het strategisch gebruik van meerdere neurotechnologieën in combinatie met elkaar, als een systeem, fundamentele nieuwe mogelijkheden kan opleveren, zowel wetenschappelijk als klinisch, die verder gaan dan wat ze alleen kunnen bieden. Denk bijvoorbeeld aan een systeem dat de activiteit van een hersencircuit uitleest, een strategie berekent voor het besturen van het circuit zodat het in een gewenste toestand komt of een specifieke berekening uitvoert, en vervolgens informatie aan de hersenen levert om deze besturingsstrategie te bereiken. Met een dergelijk systeem zouden hersenberekeningen kunnen worden geleid door vooraf gedefinieerde doelen die door de patiënt of clinicus zijn vastgesteld, of adaptief kunnen worden gestuurd in reactie op de omstandigheden van de omgeving van de patiënt of de momentane toestand van de hersenen van de patiënt.
Enkele voorbeelden van dit soort hersencoprocessortechnologie zijn in actieve ontwikkeling, zoals systemen die het epileptische brein verstoren wanneer een aanval elektrisch wordt waargenomen, en protheses voor geamputeerden die zenuwen opnemen om kunstmatige ledematen te controleren en zenuwen stimuleren om sensorische feedback te geven. Over de hele linie gezien, zouden dergelijke systeemarchitecturen in staat kunnen zijn tot zeer geavanceerde functies: het verstrekken van just-in-time informatie aan de hersenen van een patiënt met dementie om de cognitie te vergroten, of het vormen van het risicoprofiel van een verslaafde patiënt in aanwezigheid van prikkels die hunkeren naar verlangen.
Gezien het steeds toenemende aantal beschikbare hersenuitlees- en controletechnologieën, zou een gegeneraliseerde hersencoprocessorarchitectuur mogelijk kunnen worden gemaakt door gemeenschappelijke interfaces te definiëren die bepalen hoe componenttechnologieën met elkaar praten, evenals een besturingssysteem dat definieert hoe het algehele systeem werkt als een verenigd geheel - analoog aan de manier waarop personal computers de interactie van hun samenstellende harde schijven, geheugens, processors en beeldschermen regelen. Zo'n hersencoprocessorplatform zou innovatie kunnen vergemakkelijken door neuro-ingenieurs in staat te stellen zich te concentreren op neurale prothesen op algoritmisch niveau, net zoals een computerprogrammeur op conceptueel niveau op een computer kan werken zonder het lot van elk afzonderlijk bit te hoeven plannen. Bovendien, als er nieuwe technologieën komen, bijvoorbeeld een nieuw soort neurale opnametechnologie, kunnen ze in een systeem worden opgenomen en in principe snel worden gekoppeld aan bestaande berekenings- en verstoringsmethoden, zonder dat die andere componenten zwaar moeten worden aangepast.
Het ontwikkelen van dergelijke coprocessor-architecturen in de hersenen zou wat werk vergen - in het bijzonder zou het technologieën vereisen die voldoende gestandaardiseerd of misschien open genoeg zijn om interoperabel te zijn in een verscheidenheid aan combinaties. Toch kan er veel worden geleerd van het ontwikkelen van relatief eenvoudige prototypesystemen. Opnametechnologieën kunnen bijvoorbeeld zelf hersenactiviteit rapporteren, maar kunnen niet volledig getuigen van de causale bijdrage die de waargenomen hersenactiviteit levert aan een specifiek gedrags- of klinisch resultaat; controletechnologieën kunnen informatie invoeren in neurale doelen, maar op zichzelf kunnen hun resultaten moeilijk te interpreteren zijn vanwege endogene neurale informatie en niet-geobserveerde neurale verwerking. Deze wetenschappelijke problemen kunnen worden ondubbelzinnig gemaakt door rudimentaire hersencoprocessors, gebouwd met gemakkelijk verkrijgbare, kant-en-klare componenten, die opnametechnologieën gebruiken om te beoordelen hoe een bepaalde verstoring van het neurale circuit de hersendynamiek verandert. Dergelijke verkenningen kunnen principes beginnen te onthullen die bepalen hoe een circuit het beste kan worden bestuurd - het onthullen van de neurale doelen en controlestrategieën die het meest effectief leiden tot een hersentoestand of gedragseffect, en zo de weg wijzen naar nieuwe therapeutische strategieën. Miniatuur, implanteerbare hersencoprocessors kunnen mogelijk nieuwe soorten gepersonaliseerde geneeskunde ondersteunen, bijvoorbeeld door continu een neurale controlestrategie aan te passen aan de doelen, toestand, omgeving en geschiedenis van een individuele patiënt - belangrijke bevoegdheden, gezien de dynamische aard van veel hersenaandoeningen .
In de toekomst kan de rekenmodule van een hersencoprocessor krachtig genoeg zijn om te helpen bij menselijke cognitie op hoog niveau of complexe besluitvorming. Natuurlijk is het vergroten van de menselijke intelligentie al meer dan een halve eeuw een van de belangrijkste doelen van computeringenieurs. Inderdaad, als we de definitie van hersen-coprocessor een beetje versoepelen, zodat we geen directe fysieke toegang tot de hersenen nodig hebben, dan convergeren veel consumententechnologieën die tegenwoordig worden ontwikkeld naar hersen-coprocessor-achtige architecturen. Een groot aantal nieuwe technologieën probeert informatie te ontdekken die nuttig is voor een gebruiker en deze informatie in realtime aan de gebruiker te leveren. Ook worden deze ontdekkings- en leveringsprocessen in toenemende mate gevormd door de omgeving (bijv. locatie) en geschiedenis (bijv. sociale interacties, zoekopdrachten) van de gebruiker. We zien dus een afwijking van de klassieke visie (zoals aanvankelijk werd verwacht door vroege denkers over mens-machine-symbiose zoals J.C.R. Licklider) waarin computers doelen van mensen ontvangen, gedefinieerde berekeningen uitvoeren en de resultaten vervolgens teruggeven aan mensen.
Natuurlijk moet zorgvuldig worden overwogen om machines de autoriteit te geven om als proactieve menselijke coprocessors te dienen en ze onze aandacht te laten trekken met hun berekende prioriteiten, zoals iedereen die uren heeft verloren door onderbreking door een hele reeks updates van sociale netwerken of waarschuwingen van zoekmachines kunnen bevestigen. Hoe kunnen we het menselijk brein toegang geven tot steeds proactievere coprocessing-technologieën zonder onze overkoepelende doelen uit het oog te verliezen? Een idee is om meetwaarden te ontwikkelen en in te zetten waarmee we het IQ van een mens plus een coprocessor kunnen evalueren, door samen te werken - de prestaties van samenwerkende natuurlijke en kunstmatige intelligenties in een brede reeks probleemoplossende contexten te evalueren. Per slot van rekening kunnen mensen met op internet gebaseerde hersencoprocessors (bijvoorbeeld laptops met webbrowsers) meer afleiden als de doelen lange, gerichte schrijftaken omvatten, maar ze zijn misschien beter in het samenvatten van gegevens uit verschillende bronnen; een bepaalde configuratie van de coprocessor van de hersenen kan goed zijn voor sommige problemen, maar slecht voor andere. Het zien van opkomende computertechnologieën als hersencoprocessors dwingt ons om erover na te denken in termen van de effecten die ze hebben op de hersenen, zowel positief als negatief, en, belangrijker nog, biedt een raamwerk voor het zorgvuldig ontwerpen van hun directe, evenals hun opkomende effecten.
Ed Boyden is universitair docent Biologische Engineering en Hersen- en Cognitieve Wetenschappen bij het Media Lab, wiens groep synthetische neurobiologie werkt aan neurotechnologieën voor systematische analyse en controle van neurale circuits.
Doug Fritz is een Media Lab-promovendus in de Fluid Interfaces-groep, die werkt aan het uitbreiden van de menselijke capaciteiten door just-in-time-verwerking die onze interface naar de wereld vergroot.
Brian Allen is een Media Lab-promovendus in de groep Synthetische Neurobiologie, die werkt aan de ontwikkeling van nieuwe benaderingen om te begrijpen hoe de hersenen emoties oproepen.