社区编辑申请
注册/登录
Nature:科学家首次利用深度学习量化人类意识
人工智能 新闻
一项由韩国、比利时等合作的最新脑科学研究发现,利用深度学习可以量化意识,研究对睡眠、麻醉、脑损伤等不同状况都获得了实验数据。

现在,科学家对人类意识有了新认识!

这次的研究,是通过深度学习算法的AI方式来揭开谜题。

竟然!睡眠、全身麻醉、严重脑损伤等不同状况下的意识,都得了有效测量。

量化人类意识

最近,由欧盟资助的一项有关HBP SGA3和DoCMA的项目研究取得了重大进展,已经可以量化人类意识。

论文题为《利用可解释的深度学习量化不同状态下的唤醒和意识》,发表在今年2月25日的《自然通讯》上。

全文下载地址:https://www.nature.com/articles/s41467-022-28451-0

该项目由韩国高丽大学Minji Lee牵头,参与合作研究的还有比利时列日大学等。

论文第一作者、韩国高丽大学大脑与认知工程系Minji Lee

在这项研究中,研究团队成功开创了一种可解释的意识指示器(explainable consciousness indicator,简称ECI),这种指示器能帮助科学家探索意识的不同组成部分。

意识将由两部分来描述:一部分叫做Arousal,即「清醒状态」,另一部分叫做Awareness,指人的「认知能力」。

也就是说,正常的人睁开双眼,就意味着这个人处于「清醒状态」。如果他有能力接收不同的指令,依照指令行动,则表明他具备了「认知能力」。

然而,在不同条件下,包括无梦的睡眠、有梦的睡眠、麻醉状态以及严重的大脑损伤,人们具有不同水平的意识能力。

这项研究正是使用了睡眠、全身麻醉、严重脑损伤共3类实验数据,分别获得了6个、16个和34个观察样本。

到目前为止,这是第一个对意识进行量化的研究,实验得到了较为可靠的数据。

不过,论文合作者、列日大学昏迷研究小组主任Olivia Gosseries表示,「想要在临床实践中应用这项新工具,并开发出线上实时工具,还需要更多的研究。」

比利时列日大学Olivia Gosseries

Olivia认为,ECI意识指示器在手术室或者ICU投入使用之前,我们的研究还有路要走。

ECI意识指示器

研究是如何在ECI的帮助下进行的?这是ECI意识指示器框架示意图:

它的工作原理可以分步解释为:

第一步,将原始脑电信号转换为3D时空矩阵。

第二步,转换后的3D特征被用于卷积神经网络的两种意识成分:「清醒状态」和「认知能力」,在每种意识状态下,脑电图数据被训练成两类:低类和高类。

第三步,对每种意识状态的类间概率取平均值,用于计算每个会话中的ECI。

最后一步,研究使用分层关联传播(LRP)检查模型已经学习了哪些大脑信号,以及它为什么会做出这样的决定。

研究指出,ECI意识指示器借助深度学习能够区分「清醒状态」和「认知能力」。

加号表示高水平,减号表示低水平

研究人员表示,这种新型的研究工具是一种可靠的「鉴别器」,是衡量意识的一种客观工具。

与此同时,ECI还具有提升不同环境下病患临床护理水平的潜力,例如,在手术过程中监测麻醉诱导状态和诊断昏迷或植物人状态。

研究显示,大部分状态的「清醒程度」和「认知能力」是一致的,上图表现即「清醒状态」和「认知能力」栏有相同的「+」和「-」。

但是,快速眼动睡眠状态(REM)和氯胺酮引起的麻醉状态有较低的「清醒程度」和较高的「认知能力」,这两种状态和其它的状态有显著的区别。

该论文的第二作者、韩国高丽大学AI系的Seong-Whan Lee教授表示,论文展示了全球首创的ECI意识测量,是一种可以同时量化「清醒程度」和「认知水平」的新技术。

研究对生理、药理、病理3类情况,进行了8种状态的意识解释:

在生理状态中,第1类,正常的醒着状态是高「清醒程度」、高「认知能力」;第2类,做梦的快速眼动(REM)睡眠状态是低「清醒程度」、高「认知能力」;第3类,无梦的非快速眼动(NREM)睡眠状态是低「清醒程度」、低「认知能力」。

在药理状态中,第4类,氯胺酮麻醉是低「清醒程度」、高「认知能力」;第5类,异丙酚或氙气诱导麻醉是低「清醒程度」、低「认知能力」。

在病理状态中,第6类,微意识状态(MCS)是高「清醒程度」、高「认知能力」;第7类,无行为能力的微意识状态(MCS*)是高「清醒程度」、高「认知能力」;第8类,无反应性觉醒综合征状态(UWS)是高「清醒程度」、低「认知能力」。

此外,大脑的顶叶区域和人的「清醒程度」、「认知能力」的衡量最具相关性。

据悉,这项HBP SGA3(全称:Human Brain Project Specific Grant Agreement 3)是人脑研究项目的最后一个阶段。

本次合作成果颇丰,展示了EBRAINS共享数据平台工具,在研究大规模的人类神经图像集方面非常有效。

未来,研究量化意识的专家借助HBP小组的一些成果,继续发展数字神经科学和脑科学。

责任编辑:张燕妮 来源: 新智元
相关推荐

2022-06-27 17:46:53

PythonFlask

2022-07-01 14:25:27

机器学习人工智能工业4.0

2022-05-27 10:00:06

C++游戏引擎

2022-04-17 23:09:07

深度学习人工智能芯片

2022-06-02 15:31:26

深度学习AI

2022-06-24 10:52:47

人工智能作业帮T前线

2022-06-28 11:16:36

机器学习数据科学

2022-06-28 10:22:00

2022-06-17 09:47:04

Linux命令

2022-06-15 08:21:49

Linux运维工程师

2022-06-09 14:28:49

深度学习AI

2022-06-10 07:45:09

CentOS国产操作系统

2022-06-24 10:16:59

Python精选库

2022-07-01 05:47:19

PyCharm插件开发

2022-07-01 15:46:20

网络安全数字化智能制造

2022-06-30 14:23:56

机器学习工具算法

2022-05-06 10:21:22

Python人脸识别

2022-06-07 10:09:42

新技术人工智能5G

2022-05-31 10:45:01

深度学习防御

2022-06-21 14:22:08

云计算混合云人工智能

同话题下的热门内容

李飞飞划重点的「具身智能」,走到哪一步了?新出生的机器狗,打滚1小时后自己掌握走路,吴恩达大弟子成果在我的世界中,B站UP主搭建世界首个纯红石神经网络,图灵奖得主Yann LeCun转赞2022年Nature年度指数出炉,涨幅最快50机构,中国占31席!科技巨头几百亿研发AI被质疑吹嘘:曾击败人类的AI要被卖了从机器学习中受益最大的四个行业人工智能在网络安全中的作用人工智能和物联网融合后的应用场景是什么?

编辑推荐

转转公司架构算法部孙玄:AI下的微服务架构Facebook开源相似性搜索类库Faiss,超越已知最快算法8.5倍运维:对不起,这锅,我们不背快消品图像识别丨无人店背后的商品识别技术最全面的百度NLP自然语言处理技术解析
我收藏的内容
点赞
收藏

51CTO技术栈公众号