Полный экзоскелет помог парализованному мужчине пройти 145 метров
Группа исследователей под руководством профессора Алима-Луи Бенаби (Alim-Louis Benabid) из французского Университета Гренобль-Альпы разработала алгоритм для нейрокомпьютерного интерфейса, с помощью которого практически полностью парализованный пациент смог управлять полным экзоскелетом. В этом устройстве мужчина смог пройти в общей сложности 145 метров в течение 39 исследовательских сеансов, сделав 480 шагов. Подробности о работе ученых опубликованы в The Lancet Neurology.
Современные нейрокомпьютерные интерфейсы позволяют считывать электрические сигналы головного мозга, интерпретировать их и передавать управляющие команды на различные системы: коляску, роботизированный манипулятор или компьютер, например, для набора текста. Несмотря на то, что исследования в области нейрокомпьютерных интерфейсов ведутся активно, ученым пока не удалось создать систему, позволяющую реализовать быстрое и точное управление.
Новая разработка французских ученых позволяет управлять полным экзоскелетом, созданным для движения всеми четырьмя конечностями. В их нейрокомпьютерном интерфейсе используются два сенсорных модуля, закрепленные на правой и левой половинах головы. Эти сенсорные модули соединены с электродами, размещенными под черепной коробкой. Каждый модуль соединен с 64 электродами. Электрические импульсы, регистрируемые модулями с помощью электродов, могут передаваться компьютеру или системе управления экзоскелетом.
В эксперименте изначально должны были принять участие два парализованных добровольца, однако один из них выбыл, поскольку вживленные ему электроды перестали работать. Второй доброволец в возрасте 28 лет практически полностью парализован ниже плеч. Он может только двигать бицепсом и кистью левой руки, причем эти движения крайне ограничены. Мужчину подключили к нейрокомьютерному интерфейсу два года назад, после чего он проходил постепенное обучение: учился управлять роботизированными манипуляторами, аватаром в виртуальной реальности и экзоскелетом.
В общей сложности доброволец потратил на обучение 95 дней в домашних условиях и 45 дней в условиях лаборатории. Экзоскелет, которым учился управлять мужчина, имеет 14 подвижных соединений и 14 степеней свободы. Для управления экзоскелетом добровольцу пришлось учиться не только одновременно контролировать все четыре конечности, но также управлять дополнительными электронными переключателями, в том числе и включением режима ходьбы.
В настоящее время пациент способен справиться с выполнением задач, требующих трех степеней свободы, с вероятностью 99 процентов и 71 процент — в случае с задачами, требующими восьми степеней свободы. Во время ходьбы в экзоскелете аппарат частично подвешен к страховке, которая не дает ему заваливаться в стороны. Дальнейшее обучение добровольца, как полагают ученые, позволит ему сохранять баланс в экзоскелете самостоятельно. В настоящее время исследования продолжаются. В них примут участие еще три добровольца.
В 2017 году исследователи из Федеральной политехнической школы Лозанны представили легкий экзоскелет, который должен спасать пожилых людей от случайных падений. Новое устройство не работает при обычной ходьбе, однако, если его система управления определит, что человек, например, оступился, будет включена активная поддержка бедер и таза. Это предотвратит падение. Экзоскелету необходимы всего 350 миллисекунд, чтобы определить начинающееся падение и предотвратить его.
Василий Сычёв
Она поможет написать письмо, план тренировки или сочинит историю
Яндекс обучил большую русскоязычную языковую модель YandexGPT и внедрил ее в своего виртуального помощника Алису. Сейчас нейросеть тестируют пользователи продуктов Яндекса, новость об этом вышла на сайте компании. Языковая модель — это нейросеть, которая умеет генерировать тексты, по очереди предсказывая каждое слово в предложении. Языковая модель YandexGPT основана на архитектуре Transformer, которую создали исследователи из Google в 2017 году. Когда в такую нейросеть загружают текст, она умеет выделять в нем важные слова и фокусировать на них внимание. Главный навык модели — хорошо понимать и запоминать тексты, и генерировать новые. Когда нейросеть осваивает этот навык, она одновременно естественным образом учится выполнять самые разные задачи, связанные с анализом текстов. Большие языковые модели основаны на архитектуре Transformer и обучены на огромном количестве данных, обычно из интернета. Они умеют создавать текст, почти не отличимый от человеческой речи. Первой успешной моделью такого типа стала нейросеть GPT от компании OpenAI. В 2022 вышла улучшенная версия модели ChatGPT. Ее не просто натренировали на большом количестве данных, но и дообучили с помощью обучения с подкреплением. Люди-эксперты работали с нейросетью в режиме диалога, показывая ей как правильно отвечать на вопросы. В надежде повторить успех ChatGPT, многие компании обучают свои языковые модели-аналоги (например, Bard от Google или Poe от Quora). Яндекс первым внедрил такую модель в виртуального помощника. 17 мая Яндекс выпустил большую языковую модель YandexGPT в открытый доступ. С ней можно пообщаться через Алису в приложении Яндекс, браузере, умной колонке или телевизоре. Чтобы активировать YandexGPT, нужно сказать: «Алиса, давай придумаем!» Языковая модель пока находится в режиме тестирования, но уже умеет выполнять разные задачи пользователей: выбрать подарок, составить план тренировки или написать деловое письмо. Модель умеет составлять грамотные содержательные тексты, но может ошибаться в фактах. Посмотрите, как пользователи общаются с YandexGPT: Нейросеть обучали на суперкомпьютерах Яндекса в два этапа. Сначала разработчики отобрали для обучения много книг, статей и страниц сайтов с помощью поисковых инструментов Яндекса — по утверждению компании, в выборку попадали только содержательные и хорошо написанные тексты. На втором этапе модель дообучили, чтобы она лучше вела диалог. Для этого Яндекс воспользовался методом, который придумали исследователи из OpenAI. Эксперты-разметчики составили сотни тысяч пар вопрос-ответ и показывали их YandexGPT на втором этапе обучения. Но у YandexGPT есть свои ограничения. Например, нейросеть пока не умеет запоминать контекст и учитывать предыдущие реплики. Однако YandexGPT постоянно дообучается на новых данных от пользователей и может развить этот навык в будущем. Cравнить качество ответов YandexGPT с другими языковыми моделями пока невозможно, Яндекс не раскрыл эти данные. Также неизвестна точная архитектура модели и параметры ее обучения. Тем временем другая языковая модель GPT-4 научилась работать не только с текстом, но и с картинками.