MIT：用AI連接神經，真正終結人類肢體殘疾的命運

2020-09-06 MiuTech

據世界衛生組織公布的歷史數據顯示，全球有超過15%的人口患有殘疾，而在我國，殘疾人總數超過8500萬，其中肢體殘疾人數近2500萬。如果技術的進步能幫助這部分肢殘人員恢復正常的身體運動機能，那對世界來說都將會是莫大的福報。

近幾年，世界頂尖科研學術水平的麻省理工學院（MIT）的媒體藝術實驗室就有眾多關於如何利用人工智慧技術改善人類生存環境及醫療狀況的項目，其中一個項目就是通過AI技術，將人的神經和機械義肢實現真正互聯感知，擺脫傳統義肢無法靈活操控的困境。

人的神經如何跟義肢連接？

有別於傳統義肢，MIT設計的是一個基於生物工程學的仿生義肢（手或腿）。對於我們平時的肢體控制感知，可簡單理解歸結為身體各處神經元的電極信號的交互，每一個動作的感知，處理和傳遞都是通過電極信號來完成的。這就意味著，只要研究出傳導的電極背後代表的含義，不僅可以讓大腦的信號來控制義肢，同時義肢動作的反饋信號也可以傳回腦部，實現相互感知。

就是這樣，MIT實驗室通過算法製造出殘疾人缺失肢體的虛擬模型，將大腦傳導的控制信號模擬成一個電極信號，刺激機械肢體實現相應運動，並反饋大腦關於肢體的位置和動態的感覺。

目前，這個項目已經應用到真人測試階段。第一個成為志願者接受這項測試的是一名因攀巖事故導致左腳踝粉碎性骨折而無法正常走路的攀巖愛好者詹姆（Jim Ewing）。

第一位志願者Jim Ewing

雖然詹姆的左腳不算完全殘疾，但走路都要拄著拐杖的他，再也無法再進行攀巖運動。由於他的攀巖好友剛好是MIT實驗室負責人Hugh Herr,在Hugh以他自身的經歷勸說下，他決定將左腳截肢，換成機械義肢。

實驗室負責人Hugh(右)和Jim（左）

手術及機械調試均相當成功，截肢後詹姆換上的機械腿不僅沒有了平常左腳踝的痛楚，如今還可以活動自如，甚至可以重拾攀巖的愛好。

項目仍待改進之處

1. 關節數量和靈活性還有待技術突破

拿MIT目前的仿生機械腿來說，儘管從詹姆的人體實驗階段來看，機械腿的腳踝和腳板的靈活性已經完全可以支撐真人進行徒手攀爬等活動，但要進一步協調這些關節和機械義肢像真正的手腳一樣靈活轉動，還是有一定的差距。

再者，目前的關節數量對真人來說只能支撐日常基本運動，如果義肢要真正仿生人的肢體，就得往裡面添加更過的活動機械關節（如指關節），而每一個關節的增多，也意味著需要對應模擬測試上成千萬個仿真信號組合，這考驗的是仿生建模的準確性和超高的運算能力，足見我們人體的奇妙之處。


2. 仿生義肢關節強度有待更多的材料測試和更新

詹姆通過機械腿進行攀巖運動也並非一次成功，在攀巖運動測試的過程中，機械腿就因為運動強度過大而發生斷裂。所以，仿生義肢除了在建模運算能力和關節數量上有待提高之外，要想幫助殘肢患者做相對複雜的運動，就需要對機械構造及材質進行不斷的測試和升級改造。

攀巖運動測試中機械腿支撐部位斷裂

結語

儘管MIT的這個AI仿生義肢項目仍有很多完善的地方，但顯然，它幫助了像詹姆這樣，因意外導致無法運動的殘疾人重新回到正常的生活，並重拾原屬於自己的運動愛好，給全球約15%的殘疾人帶去了真實可見並不遙遠的希望。

而我也相信，通過生物工程學對人體密碼的全面破譯，未來我們所有人都能因這個方向的研究而受益，比如高危作業的肢體輔助固定，機械對人體關節的輔助緩衝等，到時人人都變成鋼鐵俠或者綠巨人！

Ps：AI義肢部分內容整理自紀錄片《The Age of AI》，有興趣進一步了解可關注並私信回復【AI時代】四字，即可獲得高清全集資料。

相關焦點

  • 休赫爾:神經系統可以控制義肢,未來AI將幫助人類創造沒有殘疾的世界
    他提到，未來人類的神經系統將可以控制義肢，AI將幫助人類創造一個沒有殘疾的世界。以下為休赫爾演講實錄：當你下臺階的時候，你的仿生腳和仿生腿，能夠產生與仿生關節以及肌肉的聯繫，你的神經系統知道仿生腳做這樣的動作，它可以感知到這種動作和連接。甚至患者不需要努力控制它的義肢，義肢是自己在做連接。
  • MIT收集20萬咳嗽樣本，用AI辨別無症狀感染者
    大數據文摘作品來源：mit.edu麻省理工學院的團隊正在以類似的方式開發AI模型，以分析強迫咳嗽記錄，以查看它們是否可以檢測出阿爾茨海默氏症的體徵，這種疾病不僅與記憶力下降有關，而且還與神經肌肉退化（如聲帶減弱）有關。 他們首先訓練了一種通用的機器學習算法或稱為ResNet50的神經網絡，以區分與不同聲帶強度相關的聲音。
  • U-Net 和 ResNet:長短跳躍連接的重要性(生物醫學圖像分割)
    從收縮路逕到擴展路徑有很長的跳躍連接。(b) Bottleneck Block用1x1Conv-3x3Conv-1x1Conv這樣的結構，因此它被稱為瓶頸。它已經在ResNet中使用。>4.3 與最先進的方法進行比較ISBI EM分割挑戰(http://brainiac2
  • 「千腦智力理論」或顛覆AI:理解人類新大腦皮層
    深度學習是人工智慧最新的進展，它借鑑了人類「大腦」的大概。大多數深度學習模型的架構是基於處理層的，是一種受生物大腦神經元啟發的人工神經網絡。 然而，神經科學家們對於智力（Intelligence）究竟是什麼，以及智力是如何在人腦中形成等問題並沒有達成一致，至今任然無法解釋。
  • 患上乳腺癌後開發AI診斷模型，MIT女學者獲「AI諾貝爾獎」
    該獎項旨在表彰那些在AI領域工作對人類、社會產生變革性影響的人。第二個是僅基於X光片圖像的深度學習模型；用PyTorch構建了一個深度卷積神經網絡ResNet。給定一個乳房的1664 X 2048像素圖片，模型會預測是否會在5年內發展成乳腺癌。
  • 使用AI和TPU人類首次重建果蠅大腦神經元,論文登上《細胞》雜誌
    機器之心報導機器之心編輯部通過 AI 算法和 TPU 晶片，人類首次成功重建了果蠅大腦神經元的 3D 模型。這項成果意味著人類對於腦科學的研究更進了一步。新研究的論文已經發表在《細胞》雜誌上。這一連接組學研究有望加速人類對於果蠅——乃至所有生物學習、記憶和感知方面的研究。目前該成果已開源，人們可以在 Neuroglancer 上對果蠅的大腦進行 3D 預覽。這項研究的作者之一、Janelia 研究組長 Davi Bock 表示：「此前人類從未對果蠅大腦實現神經元連接級別的成像。」
  • 《殘疾人殘疾分類和分級》國家標準
    殘疾分類按不同殘疾分為視力殘疾、聽力殘疾、言語殘疾、肢體殘疾、智力殘疾、精神殘疾和多重殘疾。1視力殘疾各種原因導致雙眼視力低下並且不能矯正或雙眼視野縮小，以致影響其日常生活和社會參與。視力殘疾包括盲及低視力。
  • 人類首次完全利用AI發現「史上最強抗生素」,登上《細胞》雜誌封面
    「我們希望能夠開發一個平臺，使人類能夠利用人工智慧的力量來開創抗生素藥物發現的新時代。我認為 halicin 是迄今為止，人類發現的最強大抗生素之一，」MIT 團隊生物工程師 James Collins 補充道。「它對於大量抗藥性病原體展示了顯著的活性。」
  • 新冠檢測新方法：MIT用咳嗽聲診斷無症狀感染者，準確率達100%
    比AI檢測肺炎，哮喘或者神經肌肉疾病等。如Subirana所說，「說話和咳嗽的聲音都受到聲帶和周圍器官的影響。 這也意味著，我們可以從聲音中獲取有關體內器官的信息，而AI恰好可以做到這一點。」因此，在疫情爆發之前，MIT研究團隊已經在嘗試利用AI辨「音」來診斷阿爾茨海默症（AD）早期的患者。
  • 人類首次完全利用AI發現「迄今最強抗生素」,登《細胞》雜誌封面
    該模型能夠學習人類專家未知的新模式。訓練完成後，研究者用該模型在一個名為「Drug Repurposing Hub」的庫中進行分子篩選，裡面有大約 6000 種正處於研究階段的對抗人類疾病的藥物分子。此次篩選的目的是看哪種分子能對抗大腸桿菌，並挑選出那些看起來和常規抗生素不一樣的分子。
  • MIT用肌肉信號來控制無人機,從大腦中獲取信號來操作假肢
    通常情況下，這項研究的重點是恢復失去手臂或一條肢體的人的運動功能，但日本最近的研究表明，類似的技術也將被用來增強現有的人類能力。來自京都高級電信研究協會的工程師們已經證明，人們將如何學會用他們的思維來操作第三個機器人手臂。正如發表在《科學機器人學現狀》一書中的文章所報導的那樣，15名測試對象中有8人能夠成功地用手在面板上握住鏡頭，同時用一隻大腦控制機器人手臂抓住一個水瓶。
  • AI的意義是什麼呢?
    當然人工智慧榜上有名，ai的意義個人認為是人類在已有知識用計算機智能算法去重複演練的的一個過程。無論是簡單還是複雜的事情，人類選擇讓ai去做的事情都是人類已經反覆實驗反覆測試過的，能讓人類去做更有意義的事情，人類的文明也將進入一個新時代。
  • 模仿人腦視覺處理,助力神經網絡應對對抗性樣本
    今天，深度神經網絡已經成為許多計算機視覺應用的關鍵組成部分，從照片和視頻編輯器到醫療軟體和自動駕駛汽車。神經網絡大致模仿了大腦的結構，已經更接近於像人類一樣看待世界。但是它們還有很長的路要走，而且它們在人類永遠不會犯錯的情況下也會犯錯。這些情況，通常被稱為對抗性樣本，以令人困惑的方式改變了人工智慧模型的行為。對抗性的機器學習是當前人工智慧系統的最大挑戰之一。
  • 讓神經網絡給符號AI「打工」,MIT和IBM聯合解決深度學習痛點,未來...
    過去，在符號AI中，需要讓人類程式設計師去手動輸入知識庫，現在研究人員希望由神經網絡代替人類這項工作。他們先通過使用卷積神經網絡（CNN）解決了第一個問題，識別目標的顏色、形狀、材質等屬性。然後使用遞歸神經網絡（RNN）發現順序輸入中的模式。這個模塊負責接收自然語言問題並將其轉換為符號程序形式的問題。整個過程類似於按需生成知識庫，並讓推理引擎在知識庫上回答問題。最終，這種混合AI在從未見過的問題和圖像上進行測試，準確率達98.9％，擊敗了人類。人類只能回答正確92.6％的問題。
  • 推進肢體神經假體
    提供與殘留神經系統雙向交互作用的神經假體利用了專門用於運動控制和傳感的中樞和外周神經通路的持久性。最近，神經技術的組合實現了以前看不見的假體驅動和感覺恢復功能，但是在廣泛使用這些設備之前，需要克服幾個障礙。
  • 真正的宇宙其實是這個樣子！暗物質如同神經一樣連接著每一個星系
    之所以科學家會猜測宇宙中有暗物質這個說法，也是通過牛頓的萬有引力來判斷的，因為科學家發現有很多星系出現的引力現象都違反了牛頓的萬有引力說法，而這些違反現象如果用暗物質存在的說法來講，都可以得到很好的解釋，尤其是科學家通過天體的運動，引力透鏡效應以及宇宙的尺度結構形成和微波背景輻射觀測等等，所得出的數據都表明暗物質可能存在於星系
  • 無限之住人:不死人變成了生產肢體的機器,醫生已經完全魔化
    不死人變成生產肢體的機器，醫生已經完全魔化#2020年1月新番#戰國時代，將軍為了獲得力量，設計俘虜了不死人萬次，被關在牢中的萬次成為了將軍實現野心的小白鼠，每天不斷的重複被肢解、被縫合的命運，將軍慘無人道的行為目的也只有一個——從萬次身上獲取不死人的秘密，創造一個屬於自己的不死人軍團
  • 這個項目將為殘疾青少年安上智能仿生手
    你是否想過，在科幻電影裡看到用意念操控物體的橋段，有朝一日成為現實？10月20日，廣東省人民醫院與李家傑珍惜生命基金合作救助項目啟動，救助項目包含「童心項目醫院模式」定點救助和貧困殘疾兒童救助，這將讓更多青少年重返健康世界。
  • 地球會在什麼時候迎來終結？科學家：時間由人類自己決定
    難道地球的最終命運真的會如此？前面我們說了，如果太陽是一顆普通的行星，它的最終命運就是被吞太陽吞噬，可地球是普通行星嗎？當然不是。現在的地球是智慧文明星球，有進入科技時代的人類為霸主。而一顆文明星球的最終命運有可能並不會被動，而是變成主動，也就是由這顆星球上智慧文明來決定。地球的最終命運有可能也是由人類自己決定的，地球會不會終結，何時迎來終結，時間是由人類決定的。
  • MIT 6.S094· 計算機視覺 | 學霸的課程筆記,我們都替你整理好了
    以通道 1 或通道 3 的數值數組組成的圖片作為神經網絡的輸入，而輸出則通過回歸或圖片分類來產生不同的類別。我們必須謹慎的對待感知層容易和困難的假設。這是深度神經網絡在圖像背後的表現。越來越高的表示通過分層形成。早期的圖層採用原始像素來尋找邊緣。通過連接這些邊來進一步發現更多的抽象特徵。最後，找到更高階的語義含義。深度學習對於計算機視覺來說比較難。