211service.com
Coprocesseurs cérébraux
Ed Boyden , professeur adjoint, génie biologique et sciences du cerveau et de la cognition au MIT Media Lab, fera une présentation sur l'utilisation de la lumière pour étudier et traiter les troubles cérébraux mercredi à 15h30. à EmTech 2010 . Regardez un flux en direct de la session ici .
Les dernières décennies ont vu une vague d'inventions de technologies permettant l'observation ou la perturbation d'informations dans le cerveau. L'IRM fonctionnelle, qui mesure les changements de flux sanguin associés à l'activité cérébrale, est explorée à des fins aussi diverses que la détection de mensonges, la prédiction de la prise de décision humaine et l'évaluation de la récupération du langage après un AVC. Les stimulateurs électriques implantés, qui permettent de contrôler l'activité des circuits neuronaux, sont portés par des centaines de milliers de personnes pour traiter des affections telles que la surdité, la maladie de Parkinson et les troubles obsessionnels compulsifs. Et de nouvelles méthodes, telles que l'utilisation de la lumière pour activer ou faire taire des neurones spécifiques dans le cerveau, sont largement utilisées par les chercheurs pour révéler des informations sur la façon de contrôler les circuits neuronaux pour obtenir des changements thérapeutiquement utiles dans la dynamique cérébrale. Nous entrons dans une renaissance de la neurotechnologie, dans laquelle la boîte à outils pour comprendre le cerveau et concevoir ses fonctions s'étend à la fois en portée et en puissance à un rythme sans précédent.
Cette boîte à outils s'est développée au point où l'utilisation stratégique de plusieurs neurotechnologies en conjonction les unes avec les autres, en tant que système, peut générer de nouvelles capacités fondamentales, à la fois scientifiques et cliniques, au-delà de ce qu'elles peuvent offrir seules. Par exemple, considérons un système qui lit l'activité d'un circuit cérébral, calcule une stratégie pour contrôler le circuit afin qu'il entre dans un état souhaité ou effectue un calcul spécifique, puis fournit des informations au cerveau pour réaliser cette stratégie de contrôle. Un tel système permettrait aux calculs cérébraux d'être guidés par des objectifs prédéfinis fixés par le patient ou le clinicien, ou orientés de manière adaptative en réponse aux circonstances de l'environnement du patient ou à l'état instantané du cerveau du patient.
Certains exemples de ce type de technologie de coprocesseur cérébral sont en cours de développement, tels que des systèmes qui perturbent le cerveau épileptique lorsqu'une crise est observée électriquement, et des prothèses pour amputés qui enregistrent les nerfs pour contrôler les membres artificiels et stimulent les nerfs pour fournir une rétroaction sensorielle. À long terme, de telles architectures de système pourraient être capables de fonctions très avancées – fournir des informations juste à temps au cerveau d'un patient atteint de démence pour augmenter sa cognition, ou sculpter le profil de prise de risque d'un patient toxicomane en présence de des stimuli qui provoquent des fringales.
Compte tenu du nombre toujours croissant de technologies de lecture et de contrôle du cerveau disponibles, une architecture de coprocesseur cérébral généralisée pourrait être activée en définissant des interfaces communes régissant la façon dont les technologies des composants communiquent entre elles, ainsi qu'un système d'exploitation qui définit comment le système global fonctionne comme un Un tout unifié, analogue à la façon dont les ordinateurs personnels régissent l'interaction de leurs composants disques durs, mémoires, processeurs et écrans. Une telle plate-forme de coprocesseur cérébral pourrait faciliter l'innovation en permettant aux neuro-ingénieurs de se concentrer sur les prothèses neurales à un niveau algorithmique, tout comme un programmeur informatique peut travailler sur un ordinateur à un niveau conceptuel sans avoir à planifier le sort de chaque bit individuel. De plus, si de nouvelles technologies apparaissent, par exemple un nouveau type de technologie d'enregistrement neuronal, elles pourraient être incorporées dans un système, et en principe rapidement couplées aux méthodes de calcul et de perturbation existantes, sans nécessiter la lourde réadaptation de ces autres composants.
Le développement de telles architectures de coprocesseurs cérébraux demanderait du travail – en particulier, cela nécessiterait des technologies suffisamment standardisées, ou peut-être suffisamment ouvertes, pour être interopérables dans une variété de combinaisons. Néanmoins, on pourrait apprendre beaucoup du développement de systèmes prototypes relativement simples. Par exemple, les technologies d'enregistrement en elles-mêmes peuvent rendre compte de l'activité cérébrale, mais ne peuvent pas pleinement attester de la contribution causale que l'activité cérébrale observée apporte à un résultat comportemental ou clinique spécifique ; les technologies de contrôle peuvent entrer des informations dans les cibles neuronales, mais en eux-mêmes leurs résultats peuvent être difficiles à interpréter en raison des informations neuronales endogènes et du traitement neuronal non observé. Ces problèmes scientifiques peuvent être désambiguïsés par des coprocesseurs cérébraux rudimentaires, construits avec des composants prêts à l'emploi, qui utilisent des technologies d'enregistrement pour évaluer comment une perturbation donnée du circuit neuronal modifie la dynamique du cerveau. De telles explorations peuvent commencer à révéler des principes régissant la meilleure façon de contrôler un circuit, révélant les cibles neuronales et les stratégies de contrôle qui conduisent le plus efficacement à un état cérébral cible ou à un effet comportemental, et ouvrant ainsi la voie à de nouvelles stratégies thérapeutiques. Des coprocesseurs cérébraux miniatures et implantables pourraient être en mesure de prendre en charge de nouveaux types de médecine personnalisée, par exemple en adaptant en permanence une stratégie de contrôle neuronal aux objectifs, à l'état, à l'environnement et à l'histoire d'un patient individuel - des pouvoirs importants, étant donné la nature dynamique de nombreux troubles cérébraux .
À l'avenir, le module de calcul d'un coprocesseur cérébral pourrait être suffisamment puissant pour aider à la cognition humaine de haut niveau ou à la prise de décision complexe. Bien sûr, l'augmentation de l'intelligence humaine est l'un des objectifs clés des ingénieurs informaticiens depuis plus d'un demi-siècle. En effet, si nous assouplissons un peu la définition de coprocesseur cérébral, afin de ne pas nécessiter un accès physique direct au cerveau, de nombreuses technologies grand public développées aujourd'hui convergent vers des architectures de type coprocesseur cérébral. Un grand nombre de nouvelles technologies tentent de découvrir des informations utiles à un utilisateur et de fournir ces informations à l'utilisateur en temps réel. De plus, ces processus de découverte et de livraison sont de plus en plus façonnés par l'environnement (par exemple, l'emplacement) et l'historique (par exemple, les interactions sociales, les recherches) de l'utilisateur. Ainsi, nous assistons à un écart par rapport à la vision classique (comme initialement anticipé par les premiers penseurs de la symbiose homme-machine tels que J.C.R. Licklider) dans laquelle les ordinateurs reçoivent des objectifs des humains, effectuent des calculs définis, puis renvoient les résultats aux humains.
Bien sûr, donner aux machines le pouvoir de servir de coprocesseurs humains proactifs, et leur permettre de capter notre attention avec leurs priorités calculées, doit être considéré avec soin, comme toute personne qui a perdu des heures en raison d'une interruption par une multitude de mises à jour de réseaux sociaux ou les alertes des moteurs de recherche peuvent en attester. Comment pouvons-nous donner au cerveau humain accès à des technologies de cotraitement de plus en plus proactives sans perdre de vue nos objectifs primordiaux ? Une idée est de développer et de déployer des métriques qui nous permettent d'évaluer le QI d'un humain et d'un coprocesseur, en travaillant ensemble, en évaluant les performances de la collaboration des intelligences naturelles et artificielles dans une large batterie de contextes de résolution de problèmes. Après tout, les humains dotés de coprocesseurs cérébraux basés sur Internet (par exemple, les ordinateurs portables exécutant des navigateurs Web) peuvent être plus distraits si les objectifs incluent des tâches d'écriture longues et ciblées, mais ils peuvent être plus efficaces pour synthétiser des données à partir de sources disparates ; une configuration donnée de coprocesseur cérébral peut être bonne pour certains problèmes mais mauvaise pour d'autres. Considérer les technologies informatiques émergentes comme des coprocesseurs cérébraux nous oblige à penser à elles en termes d'impacts qu'elles ont sur le cerveau, positifs et négatifs, et fournit surtout un cadre pour concevoir de manière réfléchie leurs effets directs et émergents.
Ed Boyden est professeur adjoint de génie biologique et de sciences cérébrales et cognitives au Media Lab, dont le groupe de neurobiologie synthétique travaille sur les neurotechnologies pour l'analyse systématique et le contrôle des circuits neuronaux.
Doug Fritz est un doctorant Media Lab dans le groupe Fluid Interfaces, qui travaille sur l'extension des capacités humaines grâce à un traitement juste à temps qui augmente notre interface avec le monde.
Brian Allen est un doctorant Media Lab dans le groupe de neurobiologie synthétique, qui travaille à développer de nouvelles approches pour comprendre comment le cerveau donne naissance à des émotions.