Ekip, beynin görsel bilgileri işlemekten sorumlu arka bölgesi olan görsel kortekse geçici olarak yerleştirilen elektrotlar için elektriksel uyarım modelleri geliştirmek amacıyla derin öğrenme sistemini kullandı. Beynin tepkilerini analiz ederek, bu teknoloji araştırmacılara sinirsel aktivite üzerinde daha fazla kontrol sağladı ve implant tarafından üretilen görsel duyumları daha iyi tahmin etmelerine yardımcı oldu.

Neuron dergisinde çevrimiçi olarak yayınlanan bu kavram kanıtı çalışması, bazen biyonik gözler olarak da tanımlanan daha gelişmiş görsel protezlere doğru bir ilerlemeyi temsil ediyor. Bu cihazlar, önceden belirlenmiş ayarlara güvenmek yerine, her insanın beyninin uyarılara nasıl tepki verdiğini öğrenerek zamanla daha etkili hale gelebilir.

UC Santa Barbara’da bilgisayar bilimi, psikoloji ve beyin bilimleri alanlarında doçent olan Michael Beyeler, “Soyut olarak bir model oluşturmak bir şeydir,” dedi. “Bunun bir insanla yapılan bir deneyi şekillendirdiğini görmek ise tamamen başka bir şeydir. Teoriden yola çıkarak bir gün insanlara yardımcı olabilecek bir şeye dönüşebilme yeteneği, laboratuvarımızdaki çalışmaların çoğunu yönlendiren şeydir.”

Biyonik Görme Hasarlı Gözleri Nasıl Aşabilir?

On yıllardır bilim insanları, görme yetisini kısmen geri kazandırabilecek teknolojiler geliştirmek için çalışıyorlar, ancak sonuçlar genellikle sınırlı kaldı. Bazı deneysel cihazlar, gözün arkasındaki ışığı algılayan doku tabakası olan retinayı uyarır. Diğerleri ise görsel bilgiyi beyne taşıyan yolun daha ilerisindeki görsel sistemin bölümlerini aktive etmeyi amaçlar.

Görsel korteks protezleri farklı şekilde çalışır. Gözlere veya optik sinirlere bağlı olmak yerine, elektriksel sinyalleri doğrudan görsel kortekse iletirler. Bu yaklaşım, görsel yolları hasar görmüş ancak görsel korteksi hala uyarılmaya yanıt verebilen kişiler için potansiyel bir çözüm sunabilir. Olası adaylar arasında felç, nörodejeneratif hastalıklar veya travmatik beyin hasarları nedeniyle görme yetisini kaybeden kişiler yer almaktadır.

Kısmi de olsa görme yeteneğini yeniden kazanabilme becerisi, görmenin nasıl bir şey olduğunu hatırlayan insanlar için özellikle anlamlı olabilir.

Beyeler, “hayatlarının bir bölümünde görme yeteneğine sahip olmuş, ancak kalıtsal bir göz hastalığı veya kaza nedeniyle görme yetilerini kaybetmiş” kişilere dikkat çekerek, “Bu kişiler için, görme yetilerinin bir kısmını geri kazanma arzusu çok güçlü olabilir” diye ekledi.

Yeni bulgular , Beyeler’in 2022 Ulusal Sağlık Enstitüleri (NIH) Direktörü Yeni Yenilikçi Ödülü tarafından desteklenen önceki hesaplamalı araştırmalara dayanıyor . Beş yıllık, 2 milyon dolarlık hibe, yapay görme sistemlerini daha doğru, tahmin edilebilir ve etkili hale getirme çabalarını destekledi.

Bilim insanları, görme engelli bir adama yerleştirilen beyin implantı ile yapay zekayı test ediyor.

Teknolojiyi test etmek için önemli bir fırsat 2024 yılında ortaya çıktı; Beyeler’in Biyonik Görme Laboratuvarı’ndan araştırmacılar İspanya’ya seyahat etti. Amaçları, bilgisayar modellerinin deneysel bir çalışmada halihazırda kullanılan bir beyin implantının performansını iyileştirip iyileştiremeyeceğini belirlemekti.

Elche’deki IMED Hastanesi’nde ekip, travmatik beyin hasarı sonucu görme yetisini kaybeden 27 yaşında bir adamla çalıştı. Adamın görsel korteksine, bir dizi halinde düzenlenmiş 96 elektrot içeren bir implant yerleştirilmişti. Cihazın çıkarılmadan önce altı ay boyunca yerinde kalması amaçlanmıştı.

Araştırmacılar elektrotları elektrik akımı kullanarak aktive ettiklerinde, katılımcı fosfen olarak bilinen görsel duyumlar yaşadı. Bunlar bazen yıldızlara veya havai fişeklere benzeyen ışık noktaları, parlamalar veya şekiller şeklinde ortaya çıkabilir.

Bu duyumları üretmek mümkün, ancak bunları tutarlı ve tahmin edilebilir hale getirmek çok daha zor. Aynı elektriksel uyarım her zaman aynı tepkiyi tetiklemez ve belirli elektrotların aktive edilmesi, kişinin belirli bir görsel deseni algılayacağını garanti etmez.

Bu sorunu çözmek için araştırmacılar, karmaşık desenleri tanımak üzere tasarlanmış bir yapay zeka türü olan derin bir sinir ağını, görsel korteksin farklı elektriksel uyarım ayarlarına nasıl tep vereceğini tahmin edecek şekilde eğittiler. Model ayrıca, uyarım öncesindeki beynin dinlenme aktivitesini de dikkate alarak, katılımcının mevcut sinirsel durumu hakkında bilgi edindi.

Araştırmacılar, bu tahminleri kullanarak, belirli beyin aktivitesi kalıplarını üretme olasılığı en yüksek olan elektriksel sinyal kombinasyonlarını belirlediler.

Yapay Zeka Biyonik Görüşü Daha Hassas Hale Getiriyor

Bilim insanları yapay zeka tarafından seçilen uyarı modellerini test ettiklerinde, sonuçlar cesaret vericiydi. Yeni yaklaşım, karşılaştırma yöntemlerine göre daha az elektrik akımı gerektirirken, sinirsel aktivitenin amaçlanan modellerini daha doğru bir şekilde üretti.

Ekip, beyin aktivitesi ile katılımcının görsel deneyimleri arasındaki ilişkiyi incelediğinde bir başka önemli keşif ortaya çıktı. Doğrudan beyninden kaydedilen kalıplar, uyarıcı ayarlarının kendisinden daha iyi bir şekilde algıladığı şeyin göstergesiydi.

Bu ayrım önemlidir çünkü beyni harekete geçirmek, bir kişinin ne göreceğini bilmekle aynı şey değildir. Araştırmacılar istenen bir sinirsel tepkiyi üretebilseler bile, beynin bu aktiviteyi bilinçli bir görsel deneyime nasıl dönüştürdüğünü anlamaları gerekir.

Beyeler, “Mühendisler doğal olarak fosfenleri pikseller gibi ele almak isterler: daha fazla elektrotu uyarırsanız, daha eksiksiz bir görüntü elde edersiniz,” dedi. “Ancak beyin bu şekilde çalışmaz. Elektrotlar etkileşime girer, sinirsel tepkiler dalgalanır ve beyne yerleştirdiğimiz şey, kişinin algıladığı şeyle aynı olmayabilir. Buradaki zorluk, bu dönüşüm hakkında daha fazla bilgi edinmektir.”

Bulgular, gelecekteki görsel protezlerin yalnızca elektriksel sinyaller iletmekten daha fazlasını yapması gerekebileceğini göstermektedir. Beynin nasıl tepki verdiğini izlemeleri ve bu geri bildirimi uyarımı sürekli olarak iyileştirmek için kullanmaları da gerekebilir.

Beyin İmplantlarının Her Bireye Uyarlanmasını Öğretmek

Deneyde kullanılan implantın en önemli avantajlarından biri, iki görevi birden yerine getirebilmesiydi. Görsel korteksi elektrik akımıyla uyarırken aynı anda ortaya çıkan sinirsel aktiviteyi de kaydedebiliyordu.

Bu sayede araştırmacılar, yapay zeka modellerini yalnızca hangi elektrotların aktifleştiği ve ne kadar akım verdikleri hakkındaki bilgilere dayanmak yerine, beynin gerçek tepkilerini kullanarak eğitebildiler.

Katılımcı ayrıca deneyimlediği şeyler hakkında geri bildirimde bulundu. Bir fosfen görüp görmediğini bildirdi ve bazı deneyler sırasında şekli, boyutu, parlaklığı ve rengi de dahil olmak üzere görünümünü tanımladı.

Bu raporları kaydedilen beyin aktivitesiyle karşılaştırmak, sinirsel yanıtların, elektriksel uyarım parametrelerinden daha fazla algılanan görsel duyumlar hakkında yararlı bilgi içerdiğini ortaya koymuştur.

Yapay zeka sistemi ayrıca, her uyarım öncesinde katılımcının sinirsel durumundaki değişiklikleri hesaba katmak için dinlenme halindeki beyin aktivitesi ölçümlerini de kullandı. Bu, özellikle değerli olabilir çünkü beynin elektriksel sinyallere verdiği tepki, bir günden diğerine de dahil olmak üzere zaman içinde değişebilir.

Gelecekteki protezler, uyarıyı bu değişen koşullara uyarlayarak, kullanıcıların katı bir sinyal setine uyum sağlamasını gerektirmeden daha tutarlı görsel deneyimler sağlayabilir.

Beyeler, “İşlevsel bir görsel protez, sabit bir formüle bağlı kalamaz,” dedi. “Bireysel bir beynin nasıl tepki verdiğini öğrenmeli ve uyarımı buna göre uyarlamalıdır. Sonuç olarak, cihaz kişiye uyum sağlamalı, tersi değil.”

Görme Yeteneğini Geri Kazandırmaya Yönelik İşbirliğine Dayalı Bir Adım

Bu araştırma, UC Santa Barbara, ETH Zürih ve Miguel Hernández Üniversitesi’nden (MHU) bilim insanlarını bir araya getirdi. Beyeler bu çalışmayı “gerçek bir iş birliği” olarak nitelendirdi.

Proje, ETH Zürih’ten Pehuén Moure, UC Santa Barbara’dan Jacob Granley ve MHU’dan Fabrizio Grani’nin ortak birinci yazarlığıyla yürütüldü. Danışman araştırmacılar ise Beyeler, ETH Zürih’ten Shih-Chii Liu ve MHU’dan Eduardo Fernández idi. Çalışmaları, İspanya’da yürütülen daha büyük bir fizibilite denemesinin bir parçasını oluşturmaktadır.

Teknoloji henüz deneysel aşamada olsa ve katılımcıların görsel deneyimleri ışık parlamaları ve şekilleriyle sınırlı kalsa da, sonuçlar yapay zekanın yapay görme cihazları ile beyin arasındaki iletişimi nasıl geliştirebileceğini göstermektedir.

Gelecekteki biyonik görme sistemleri, her beynin aynı şekilde tepki verdiğini varsaymak yerine, her bireyden öğrenerek sinyallerini buna göre ayarlayabilir. Bu kişiselleştirilmiş yaklaşım, görme yetisini kaybetmiş kişilere işlevsel görme yetisini geri kazandırabilecek implantların geliştirilmesi için hayati önem taşıyabilir.