Создание нейропротезов для восстановления работы мозга
Черепно-мозговые травмы и ряд болезней, например деменция, болезнь Альцгеймера и эпилепсия, могут повреждать гиппокамп. Этот участок мозга отвечает за память — усваивает информацию и превращает её во внутренние архивы.
Учёные из Нижнего Новгорода придумали, как помочь работе повреждённого гиппокампа. Решение — нейропротез на основе технологий искусственного интеллекта, который будет обрабатывать сигналы и подсказывать, как реагировать на них.
Проектом мы занимаемся уже 5 лет, но пока это только начало пути. Долго мы собирали теоретическую базу, проводили небольшие исследования, публиковали статьи. Всё изменилось в прошлом году, когда наша команда получила грант Российского научного фонда, — мы смогли приступить к испытаниям технологии в искусственных условиях — на срезах гиппокампа лабораторных мышей. За счёт подачи специальных раствора и газа эти отделённые отрезки мозга остаются в рабочем состоянии.
Исследования проходят так: сначала мы записываем нейронную активность в срезах, затем передаём её нейросетям — они анализируют информацию и учатся предсказывать ответы. После мы просим нейросеть дать ответный сигнал и проверяем его точность на срезе. На следующем этапе — перейти к нему должны до 2026 года — мы будем добавлять замещающую систему непосредственно в мозг живой мыши. Затем перейдём к животным, которые могут иметь болезнь Альцгеймера, после — к людям.
Мы предполагаем, что нейропротез будет состоять из множества каналов с электродами. После имплантации в мозг через эти каналы будут собираться сигналы и подаваться стимулы, предсказанные нейросетью. Как это будет — по проводам или по Wi-Fi — определим опытным путём.
Пока речь идёт только о замещении функций поврежденного гиппокампа. Сможет ли нейропротез восстанавливать их — вопрос на будущее. Если мы действительно покажем, что можем заместить нейронную активность, то дальше можно будет, например, тренировать животное с помощью сигналов, потом убирать протез и наблюдать. Мозг пластичный, умеет адаптироваться. Это был бы прорыв и шикарный результат. Но как будет на самом деле, мы можем только предполагать.
В мире уже были проекты нейропротезов, которые удачно тестировали на людях с удалённым гиппокампом. Но в них не использовались технологии искусственного интеллекта — аппаратная платформа передавала, но не предсказывала сигналы. И до практического применения она не дошла. Надеюсь, что подключение ИИ к работе — удачная находка, которая поможет довести идею до конца.
Искусственный интеллект давно стал не фантастикой, a реальностью. Теперь умные технологии активно помогают делать жизнь людей проще и комфортнее. Но нейросети и алгоритмы не работают сами по себе: им нужен человек — специалист по обучению ИИ. Сделать эту профессию доступной — одна из задач федерального проекта «Искусственный интеллект» национального проекта «Цифровая экономика». При его поддержке программы обучения по этому направлению реализуются в более 100 вузах страны. Их успешно окончили уже более 17,6 тысяч человек.
Прогнозирование засухи
Засуха — актуальная проблема не только для южных регионов. Риск столкнуться с аномальной жарой и отсутствием осадков есть и в Сибири, и в Центральной России. Из-за капризов природы может страдать урожай, а вместе с ним и люди. Причём не только потребители и фермеры. Проблемы могут возникнуть у компаний, занимающихся сельхозстрахованием, и банков, выдающих кредиты аграриям. Так, если фермер получил деньги на засев поля, а из-за засухи весь урожай погиб, в срок вернуть заём будет трудно — ведь доход получен не был.
Уменьшить риски поможет точное прогнозирование засух. С ним можно заранее рассчитывать примерные объёмы посевов и уход за ними, в частности график поливов на ближайший сезон. В Сколтехе создали нейросеть, которая занимается такими прогнозами.
Идея использовать искусственный интеллект для прогнозирования засух возникла из-за потребности в более точных и долгосрочных прогнозах. Нейросеть способна анализировать большие объёмы данных, одновременно учитывать огромное количество факторов и их взаимодействий, что крайне сложно для человеческого мозга.
Наша нейросеть обучается на данных за прошлые годы и одновременно анализирует два типа зависимостей — пространственные и временные. То есть учитывает и регион, и сезон. Скорость обучения зависит от выбранной территории — около часа в среднем. А уже обученной модели для составления прогноза нужно всего несколько минут.
Наши модели способны давать прогнозы на срок от нескольких месяцев до года. Технология уже применялась в исследовательских проектах — точность предсказаний довольно высокая. Мы тестировали модели на данных из разных климатических зон — всегда результат был удачный.
Проект начал развиваться несколько лет назад. В команде работали специалисты из Сколтеха и крупного банка. Сейчас мы продолжаем совершенствовать модели, так как климатические условия меняются — данные и методы анализа необходимо постоянно обновлять. В ближайшем будущем планируем внедрить технологию в практику, в том числе в системы управления рисками крупных финансовых организаций.
Изучение мидий для мониторинга водной среды
Следить за уровнем загрязнения водоёмов помогает регулярный мониторинг. Для него используют BEWS — Biological early warning systems (биологические системы раннего оповещения). Плюс в том, что можно получать данные в режиме реального времени — не анализируя воду в лабораториях, а просто наблюдая за поведением её обитателей: раков, рыб, дафний, бактерий, водорослей, моллюсков.
В Институте природно-технических систем в Севастополе при поддержке Российского научного фонда придумали, как сделать BEWS ещё быстрее — для этого учёные разработали комплекс на основе технологий ИИ. За определение аномалий там отвечают алгоритмы на основе машинного обучения, а в качестве датчиков состояния воды выступают мидии.
Мы выбрали мидий, потому что они крайне чувствительны к условиям окружающей среды. Моллюски резко меняют поведение и положение створок в ответ на изменения температуры, уровень освещённости, звуки, вибрацию и, конечно, на появление загрязняющих веществ. Последних в воде может быть много — искать каждое по отдельности с помощью лабораторных тестов трудно, дорого и долго.
Задача нашего комплекса — быстро определять проблему и оповещать о ней. Чтобы он подавал сигнал тревоги автоматически, нам нужно внедрить в программное обеспечение технологии обнаружения аномалий. А для начала — показать эти аномалии. Для этого мы применили алгоритмы машинного обучения. В качестве исходных данных использовали величину раскрытия створок 16 мидий: их расположили в специальном приборе и поместили под воду. Для фиксации активности одной створкой моллюска закрепили к платформе устройства, а другой — к свободно перемещающейся пластине с магнитом. За аномалию принималась ситуация, в которой более 70% мидий показали реакцию.
И человек, и алгоритмы одинаково точно могут определять аномальное поведение моллюсков. Но ИИ реагирует быстрее: в нашем случае данные от мидий поступают на сервер раз в 10 секунд.
Опытные образцы комплекса уже были протестированы на мидийной ферме. Благодаря этому мы улучшили конструкцию устройства и собрали данные, которые сейчас используем для создания алгоритма обнаружения аномалий. Он ещё несовершенен. На следующем этапе планируем выделить закономерности поведения мидий в разных условиях — это сделает работу точнее.
В будущем комплекс можно будет использовать на любых водоёмах и в любом регионе страны. Но для адаптации к конкретным географическим условиям нужно будет использовать местные виды моллюсков.
Экология, медицина и сельское хозяйство — лишь малая часть сфер, где ИИ помогает найти решения, которые прежде требовали много времени или казались невозможными. Чтобы специалисты по искусственному интеллекту объединялись и придумывали новые способы использовать нейросети и алгоритмы, по федеральному проекту «Искусственный интеллект» проходят хакатоны. В них за четыре сезона приняли участие уже более 35 тысяч человек.
Также федпроект обеспечивает поддержку научных разработок в сфере ИИ. Учёные 12 исследовательских центров в вузах России изобретают новые продукты с использованием технологий искусственного интеллекта. В свою очередь, бизнес может получить гранты на разработку или внедрение ИИ от Фонда содействия инновациям и «Сколково».