简单的神经网络在控制机器人假肢方面优于更复杂的系统

密歇根大学的研究人员发现，受人体自然神经回路启发的人工神经网络能让灵长类动物更快、更准确地控制大脑控制的假肢手和手指。这一发现可能会让那些失去肢体或瘫痪的人更自然地控制先进的假肢。

工程师和医生团队发现，与不使用神经网络的传统算法相比，前馈神经网络在控制机器人手指时将手指峰值速度提高了45%。这推翻了一个假设，即需要更复杂的神经网络，比如在机器学习的其他领域使用的神经网络，才能达到这种水平的性能改进。

“这种前馈网络代表了一种更古老、更简单的架构——信息只在一个方向上移动，从输入到输出，”密歇根大学生物医学工程副教授辛迪·切斯特克(Cindy Chestek)博士说自然通讯．

“所以，看到它的表现如此出色，我们感到有些惊讶复杂的系统．我们认为，前馈系统的简单性使用户能够有更直接和直观的控制，这可能更接近于如何人体自然运作。”

精细运动技能对人类极其重要，这项功能的丧失对瘫痪患者来说可能是毁灭性的，第一作者、密歇根健康大学功能神经外科研究员Matthew Willsey医学博士说。

“我们非常有动力使用最新的机器学习技术来解释神经活动来自大脑控制灵巧的手指运动，”威尔西说。“我们希望这项工作可以帮助那些失去精细运动功能的人恢复精细运动功能。”

先进的假肢和脑-机接口我们有希望让那些可能因脊髓损伤、中风或其他损伤和疾病而瘫痪的人重新获得由人手实现的精确控制。但是要重建人类之间的自然交流人类的思想而机器人假肢——速度快、精度高——仍然是一个绊脚石。

例如，在脊髓损伤中，人工神经网络可以通过使用电极从大脑中捕获脉冲，用人工智能解释它们并使用它来控制，从而重建大脑和脊髓之间被切断的连接假肢手或者使原肢体复活。

但在计算中，前馈神经网络模型被认为在许多使用循环的高级应用中不太强大神经网络．与单向传递输入不同，循环网络中的节点有自己的动态——通过反馈创建自己的内部循环的能力，使它们能够记忆和重放序列。当你根据先前记录的神经数据预测运动时，这种方法非常有效，这让一些专家认为，在新的实验中，这种方法也会保持不变。

Chestek说，在现实中，用于直接电机控制的循环网络的复杂性似乎“与用户作战”。

她说:“在人体的运动皮层和手部运动之间，只有几个神经元和几个突触。”“那里不需要大量的处理，前馈神经网络可能更像自然系统。”

研究小组希望他们的发现将有助于推动未来的研究，以提高先进假肢对大脑冲动反应的速度和准确性。

“在开发这个算法时，我们试图坚持爱因斯坦著名的设计原则，即‘一切都应该尽可能简单，但不要更简单，’”威尔西说。

“我们的算法需要有足够的复杂性来理解大脑电信号和用户手指动作之间可能存在的非线性关系。然而，该算法可能有一天会成为完全植入式脑机接口系统的一部分，使瘫痪患者恢复运动能力，不必要的复杂性可能会以不希望的方式给这些未来的系统带来压力，比如缩短电池寿命。”

“在密歇根大学，我们很幸运有一大群工程师、神经科学家和运动专家，他们在合作的文化中一起合作，推动恢复性神经工程领域向前发展，”该研究的资深作者、密歇根大学医学院神经外科副教授Parag Patil医学博士说。“这项工作令人兴奋的部分原因是，这些算法几乎可以立即转化为床边的人类研究患者的利益。”