پژوهشگران از هوش مصنوعی برای بهبود نحوه تحریک قشر بینایی مغز توسط یک ایمپلنت مغزی در فرد نابینا استفاده کرده‌اند که می‌تواند توسعه چشم‌های بیونیک را پیش ببرد.
هوش مصنوعی می‌تواند با بهبود نحوه ارتباط سیگنال‌های الکتریکی با مغز، چشم‌های بیونیک آینده را دقیق‌تر و واکنش‌پذیرتر کند. در مطالعه‌ای که در مجله Neuron منتشر شد، پژوهشگران از یادگیری عمیق برای کنترل تحریک مغزی در یک مرد نابینا استفاده کردند و پاسخ‌های عصبی دقیق‌تری را با جریان الکتریکی کمتر تولید نمودند.
این یافته‌ها می‌تواند پروتزهای بینایی را پیشرفت دهد که چشم‌ها و اعصاب بینایی آسیب‌دیده را دور می‌زنند و مستقیماً قشر بینایی را تحریک می‌کنند تا ادراک نور ایجاد شود.
آزمایش هوش مصنوعی بر روی شرکت‌کننده نابینا
پژوهشگران دانشگاه کالیفرنیا سانتا باربارا، مؤسسه فدرال فناوری زوریخ و دانشگاه میگل هرناندز (MHU) این رویکرد را بر روی مردی ۲۷ ساله آزمایش کردند که پس از آسیب تروماتیک مغزی بینایی خود را از دست داده بود. در بیمارستانی در اسپانیا، یک ایمپلنت موقت حاوی ۹۶ الکترود قشر بینایی او را تحریک کرد و فوسفن‌هایی (Phosphenes) تولید نمود که به صورت فلاش‌ها یا اشکال نوری ادراک شدند.
تیم تحقیقاتی به سرپرستی بخشی از استاد دانشگاه کالیفرنیا سانتا باربارا، مایکل بیلر، شبکه عصبی عمیقی را آموزش داد تا پاسخ‌های مغز به الگوهای مختلف تحریک را پیش‌بینی کند. مدل هوش مصنوعی همچنین اندازه‌گیری‌های فعالیت استراحتی مغز را نیز لحاظ کرد تا بتواند تغییرات در وضعیت مغز را قبل از هر آزمون در نظر بگیرد.
چرا فعالیت مغزی اهمیت بیشتری از سیگنال‌های الکتریکی دارد
الگوهای تحریک طراحی‌شده توسط هوش مصنوعی، پاسخ‌های عصبی هدفمند را دقیق‌تر تولید کردند و نسبت به روش‌های مقایسه‌ای به جریان الکتریکی کمتری نیاز داشتند. پژوهشگران همچنین دریافتند که فعالیت مغزی ثبت‌شده، ادراکات بینایی شرکت‌کننده را بهتر از تنظیمات الکتریکی به تنهایی پیش‌بینی می‌کند.
«مهندسان به طور طبیعی می‌خواهند فوسفن‌ها را مانند پیکسل‌ها رفتار دهند: الکترودهای بیشتری را تحریک کنید و باید تصویر کامل‌تری به دست آورید»، به گفته بیلر. «اما مغز به این شکل کار نمی‌کند. الکترودها تعامل دارند، پاسخ‌های عصبی نوسان دارند و آنچه وارد مغز می‌کنیم لزوماً همان چیزی نیست که فرد ادراک می‌کند. چالش این است که درباره آن تبدیل بیشتر بدانیم.»
ایمپلنت می‌توانست هم نورون‌ها را تحریک کند و هم پاسخ‌های آن‌ها را ثبت نماید و بدین ترتیب امکان یادگیری هوش مصنوعی از فعالیت واقعی مغز فراهم شد. شرکت‌کننده همچنین فلاش‌های ادراک‌شده را توصیف کرد، شامل روشنایی، اندازه، شکل و رنگ آن‌ها.
به سوی بینایی بیونیک شخصی‌سازی‌شده‌تر
این فناوری می‌تواند در نهایت به افرادی که بینایی خود را از طریق آسیب‌ها یا شرایط عصبی و ارثی از دست می‌دهند کمک کند. بیلر بر کسانی تأکید کرد که «بخشی از زندگی خود را دیده‌اند، اما سپس به دلیل بیماری چشمی ارثی یا حادثه، بینایی خود را از دست داده‌اند» و افزود: «برای آن افراد، تمایل بسیار قوی برای بازگرداندن مقداری بینایی وجود دارد.»
بیلر تلاش تحقیقاتی بین‌المللی را «همکاری واقعی» توصیف کرد و گفت که این مطالعه نشان داد چگونه مدل‌های محاسباتی می‌توانند بر آزمایش‌های شامل شرکت‌کنندگان انسانی تأثیر بگذارند.
«ساختن یک مدل به صورت انتزاعی یک چیز است»، به گفته او. «دیدن اینکه آن مدل شکلی به یک آزمایش با یک انسان می‌دهد، کاملاً چیز دیگری است. آن توانایی حرکت از نظریه به چیزی که ممکن است روزی به مردم کمک کند، بخش زیادی از کار در آزمایشگاه ما را هدایت می‌کند.»
اگرچه این پژوهش همچنان یک اثبات اولیه مفهوم است، اما پیشنهاد می‌کند که پروتزهای بینایی آینده ممکن است با تنظیم مداوم تحریک متناسب با پاسخ‌های عصبی هر فرد، عملکرد بهتری داشته باشند.
«یک پروتز بینایی مفید نمی‌تواند به دستورالعمل ثابتی تکیه کند»، به گفته بیلر. «او باید یاد بگیرد که مغز یک فرد چگونه پاسخ می‌دهد و تحریک را متناسب با آن تطبیق دهد. در نهایت، دستگاه باید با فرد سازگار شود، نه برعکس.»
منبع: «کنترل مبتنی بر یادگیری عمیق فعالیت القاشده الکتریکی در قشر بینایی انسان» توسط پهن مور، جیکوب گرانی، فابریزیو گرانی، لیلی سو، آنتونیو لوزانو، روکیو لوپز-پکو، آدریان ویلامارین-اورتیز، کریستینا سوتو-سانچز، شی-چی لیو، مایکل بیلر و ادواردو فرناندز، ۷ اوت ۲۰۲۶، Neuron.
DOI: 10.1016/j.neuron.2026.07.006