0: Вот, но тебе ту.

1: На, на, на.

2: На, на на на на на dont you may.

3: А. C c the оо калифорния.

4: Хей, хей, я хей, я хей, я.

5: Ла ла ла ла ла ла ла ла ла

6: So, if you lonely, you know, i am just a im, just you, and if you.

7: You me?

8: L o l v u.

9: No i say take me out, i say you dont show до i say take me out.

10: I want you me i know i.

11: I know i val, believing, i know i val, believin', её i know i val, believin' with you.

12: I want you to take me id take me out.

13: I know i e i know i i know i the believing её, i know i the believing её.

14: So the say a trouble бой, джаст бикоз ю лайк ту, дистрой ли to bring the idiot той ввёл вот и destruction, and the call wont talk to you, cause you kids in.

15: I boy im наубой к to the path to the father, to see this оо other си free аут зе пёс. And that all there be the five айс and new сей тудей.

16: And the seven син i said that never feel pain, i have a feel pain вот ю химии эген ай нид ту ту БИК n e r e v e and i were rai.

17: Ла ла ла ла ла ла ла ла ла ла сори эф эвер, резистер, ай невер харт э апп и ever existed and only have a про and people in sisters take in a hate play means он to say a trouble бой джаст к she likes to see you see that were из.

18: Brick in give you ли сине лимон, си флиген аут зе фри аут зе а зе и old on the arts, со кип ричин, её world walking the myth, а так, the a the b round a city that.

19: And?

20: Show me like.

21: By the right way to go i, но май май a good.

22: Show me.

23: Мими

24: Ми.

25: I.

26: Но.

27: Спина, эврибади её инглиш, спи, он english и спин.

28: I to my way, to a love me that i may fly me.

29: Y, y, y, y, no, u и y.

30: Everybody.

31: Play cool i like you me and he just like виш, а never kill me to Ван.

32: You give you гила н. V but it.

33: Hello, hello.

34: I love, i love listen to my is no my friends, i don't э тру.

35: Лайк ю.

36: You give you my.

37: Hello.

38: Love you to love.

39: Алло. Алло.

40: Ю. Ту май. Лайф. Май.

41: My so first to графин h стэд лонг айлин бон американ энтри Фром айлин ю э no in my you better stop smiling эй, ноттинг фанни Вонс май дами 100 вайлинг.

42: I to get by you.

43: Так мы готовы, Максим?

44: Все готово, да, всем привет перед большей частью из вас. Я уже успел извиниться за сегодняшнюю, так скажем, подмену вот темы мероприятия. Не я, ну,

45: Люди не все, да не все узнали вовремя о замене лекции. Тем не менее, как бы мы сегодня пусть будем говорить о другом, но про ракету мы ещё поговорим. Лекция состоит.

46: 28 декабря тоже прежде чем начнём, как бы по традиции я представлюсь. Меня зовут Роман Переборщиков. Я руководитель просветительского проекта курилка гутенберга. Мероприятие наше проходит в Московском центре инновационных технологий здравоохранени.

47: Если коротко, то это почти как сколково, только про медицину. Вот здесь есть очень много классных технологичных проектов, связанных именно с медтех. Вот, и как я в прошлом мероприятии рассказывал, вот буквально на нашем же этаже находитс,

48: Коллеги, которые занимаются интересным проектом, связанным с онкологией, когда искусственный интеллект автоматически определяет, есть она или нет. Что ещё можно сказать, наш, наше мероприятие прохо.

49: Ходит не только оффлайн, но и онлайн. Вот наша, как мы транслируем его в социальной сети вконтакте. Вот по просьбе вконтакте мы продемонстрируем короткий их рекламный видеоролик, вот за

50: Просмотры, которые они нам позволяют набирать, это буквально несколько секунд займёт. Представляем, сервис видеоконференции вк звонки. Ваша встреча может длиться с утра до самого вечера. Количество участников безлимитно, а умное шумоподавление скро.

51: Лишние звуки вк звонки бесплатные, доступные без регистрации вконтакте vk звонки, место встречи с командой, с учениками, с клиентами.

52: Благодаря вконтакте нашу лекцию посмотрят не 30 человек, а там 30000 60000 человек, а то, может, и больше, и ещё 1 партнёр, который помогает нам организовывать это мероприятие, это издательство.

53: Alpine нонфикшн, вот за ваши вопросы в конце лекции, вот 3 лучших вопроса мы наградим книгами вот научно популярными, так что вам будет о чем подумать. Вот, а теперь переходим, собственно, к лекции.

54: Давайте поблагодарим Александру бернадотт за то, что она сегодня вызвалась помочь нам с мероприятием.

55: Мы вас попросили, а вы нам помогаете, да? Так что давайте поаплодируем и начнём.

56: Включи эх действительно меня сегодня попросили достаточно неожиданно прочесть эту лекцию. Ну и этой лекции не было сегодня утром, даже в обед не было. Ну вот она.

57: Появилась совсем недавно. Ну вот посмотрим, что получилось. Мой доклад называется нейроинтерфейсы и нейрохирургические роботы. Такое забавное название связано с тем, что мы, как компания, как команда, занимаемся и тем, и другим.

58: Долгое время мы около 3 лет занимались нейроинтерфейсами, а сейчас больше сфокусировались на роботов на робототехнике в нейрохирургии, и поэтому получился такой гибридный доклад.

59: Так, ну ладно, слайд 1 Пропущен, что у нас с современным миром? Да, современные методы компенсации утраченной функции с помощью машины дают нам надежду на возникновение нового мира, и мне бы хотелось дать

60: Формулировку этого термина нового мира, пользуясь аллюзией, знаменитой антиутопией хаксли, и назвать эту новую новую эру, когда человек и машина станут, ну, не то что единым, да, но так вот, взаимодействовать.

61: Достаточно плотно назовём его как новый мозговитый мир. И когда мы говорим о новом мозговитым мире, мы должны думать не только о восстановлении утраченной физиологической функции, но и о том, что может позволить нам расширить наши человеческие способности.

62: За счёт как раз-таки новых таких областей, которые мы можем интегрировать, это инженерия, нейронауки, биология, математика, медицина и физика. И когда мы говорим, вот новый мозговитый мир, 1, что приходит на ум, это прямое взаимодействие человека.

63: Машины, то, что называется человеко компьютерными интерфейсами или нейроинтерфейсами, это специальная технология, которая на данный момент достаточно сильно развивается. Это технология, которая является вторичной от развития электроники и

64: От искусственного интеллекта, если мы посмотрим по так, а я не двигаюсь, вот теперь двигаюсь. Вот если мы посмотрим на статистику по меда появления там публикаций относительно искусственного интеллекта и нейро,

65: Интерфейсов, то мы увидим, что пичок интереса к нейроинтерфейсам строго следует за Пичко искусственного интеллекта, хотя искусственный интеллект переживал там свои взлёты и падения, зимы и зимы, и новые.

66: Новые, что вот я думаю, как это сказать? Весна или весны, весны, наверное, да, вот, значит, весны переживал. А нейроинтерфейс, он, так как он вторичен, то и пички у него поглаже. И на самом деле мы сейчас находимся в

67: Вместе, скажем так, 1 Пичка нейроинтерфейса.

68: Ну, нейроинтерфейс, вот само понятие это технология, которая, несмотря на то, что она сейчас находится в своей фазе ранней экспоненты, она на самом деле получила первые единичные публикации мы можем видеть в начале восьмидесятых годов, в 2000

69: В 21 году публикуется уже около 1000 научных статей в год. Сейчас 22 ещё не закончился, но примерно столько же будет чуть больше. Ну то есть мы находимся в начале экспоненты нейроинтерфейсов и, в отличие от области, как я говорю, искусственного интеллекта, нейроинтерфейсы.

70: Не такая волатильная область. Вот мы находимся в начале, экспоненты экспонента у него поглаже, да, и печки менее выражены.

71: Подавляющее большинство нейроинтерфейсов основано на измерении электрической активности мозга, и именно с такого рода нейроинтерфейсами началась с такого рода нейроинтерфейсов началась эра нейроинтерфейсов, но вообще

72: Вообще, вообще 1 раз. Ну что такое у нас вообще нейроинтерфейсы? Фактически это, это аналогово цифровой преобразователь, где мы берём сигнал аналоговый. Это сигналы мозга, например.

73: Электрической активности мозга и преобразовываем его в цифровой сигнал. И здесь мы можем чётко определить, что такое нейроинтерфейсы и отделить их от устройств глубокой стимуляции мозга, потому что нейроинтерфейсы всегда направляют

74: Информацию от мозга к устройству, а глубокая стимуляция позволяет сделать, ну, делает упор именно на обратном ходе информации, то есть от цифрового устройства к аналоговому, то есть к мозгу, однако, очевидно,

75: Что нейроинтерфейсы у нас есть и с обратной связью мы чуть чуть коснёмся них чуть позже. Ну и какие у нас бывают нейроинтерфейсы? Ну вот они у нас делятся на, то есть мы их можем классифицировать по модальности сигнала, по инвазии, по нали.

76: Обратной связи, которые как раз-таки и обеспечивают такое сходство нейроинтерфейса с глубокой стимуляцией мозга по степени адаптации к пользователям по аудитории использования.

77: Ну, по архитектуре какие они бывают?

78: По архитектуре вообще архитектура нейроинтерфейсов, она отталкивается от того, в каких парадигмах мы существуем. Что это значит? Это значит, что, например, мы считаем, что нам достаточно достаточно, например, электрической активности мозга, мы счи,

79: Что мы живём в парадигме, которая предполагает, что сбор сигнала с поверхности, например, головы будет достаточным для решения нашего круга задач. Или, например, мы живём в парадигме, когда нам нужно снимать сигнал от Глубоких

80: Структур мозга. Тогда мы ориентируемся больше на магнитную активность мозга. Также нам интересно, например, жить в парадигме таких футуристических нейроинтерфейсов, которые на самом деле перестают уже быть футуристическими. Это нейроинтерфейсов на основе

81: Тоже коснёмся их или, например, на химической активности, которые мы, например, снимаем с химо рецепторов, или, например, на активности периферической нервной системы. Вот. То есть это когда мы говорим о периферической нервной системе нельз,

82: Сказать, что это в полной мере нейроинтерфейсы, да, потому что все-таки, когда мы говорим о нейроинтерфейсах, об интерфейсах мозг, компьютер, мы предполагаем, что мы взаимодействуем с мозгом, головным мозгом в 1 очередь, тем не менее, есть нейроинтерфейс.

83: Которые собирают дополнительный сигнал в виде миографии, а также которые имеют датчики на выходах нервных окончаний.

84: Например, известный там митовский проект, да, который альтерэго, который очень много нашумел, но на самом деле даже не является чистым интерфейсом, мозг, компьютер, потому что снимает периферические нервы и снимает их, то есть

85: Нервов снимают, сигнал снимает у ограниченной группы испытуемых, скажем так, у 3 людей, которые делают там hd уже сделали, вот и тем не менее называется это как интерфейс, мозг, компьютер, вот.

86: Значит, ещё мы можем выделять нейроинтерфейсы по степени инвазии. Ну, это самое, что на слуху, да, когда мы практически все сейчас знают, что такое инвазивные нейроинтерфейсы благодаря илону маску. Хотя он, конечно, был не 1 в этом деле.

87: Как все, что он делает, есть ещее неинвазивные нейроинтерфейсы. И ещё я выделяю метаинвестинг к раз те, которые предполагают модификацию человека, но без такой существенной инвазии, без, без классической инвазии, которая предполагает

88: Повреждение кожных покровов, проникновение, например, в мозг и так далее. То есть мета инвазивные предполагают некоторую инвазию, но заблаговременную и совсем другого характера, поэтому назовём их

89: Так, теперь ещё мы классифицируем нейроинтерфейсы по функции коммуникации. То есть они могут быть нейроинтерфейсы для индивидуального использования и синергичные интерфейсы. Индивидуальное использование это все, к чему мы привыкл.

90: Да, это вот любые, все шапочки, те же самые нейроинтерфейсы, известные инвазивные нейроинтерфейсы, это все для индивидуального использования. Но самое интересное в нейроинтерфейсах это, конечно, синергичные нейроинтерфейсы. Я так считаю, что это вообще история про будущее. Вот когда мы говорим про

91: Про будущее мы должны, про будущее нейроинтерфейсов, мы, конечно, должны фокусироваться на синергичные нейроинтерфейсы, и интересная была иллюстрация группы учёных, которым люди, которые интересуются темой нейроинтерфейсов, конечно, знают михаила Лебедева.

92: Вот, и вот эти работы, которые я сейчас буду немножко касаться их, они были сделаны при участии михаила Лебедева. Они занимались инвазивными нейроинтерфейсами с макаками и реализовывали как раз-таки синергичные нейро.

93: Интерфейсы, хотя их так и не называли. В чем же там была синергия. Каждой макаке они делали, ставили импланты и с возможностью распознавания сигнала от

94: Моторной коры обезьянки до брали сигнал с моторной коры и распознавали её такие мысли формы в виде движения вперёд или назад да, a2 обезьянка могла делать движение, движение.

95: Вправо или влево, или, например, 1 вот здесь, на картинке приведена 1 обезьянка, которая двигается, a2 помогает ей тоже двигаться, то есть двигаться 1, а вообще то управляют движением тележки 2 обезьяны.

96: Ну и вот та, которая двигается, она должна доехать до еды. Все как обычно, у них надо доехать до еды. Вот. И 2 помогает ей доехать. Надо сказать, что когда обезьянки делают,

97: Решают эту задачу совместно. Они справляются гораздо быстрее и эффективнее, чем когда это делает 1 обезьянка. Ну вот это классическая история синергичных интерфейсов. Ну, если мы можем пофантазировать, то мы можем поискать, где мы бы могли использовать синергичные нейро,

98: Фейсы в реальной жизни, да, то есть это всякие диспетчеры, для которых достаточно важно, важно иметь возможность отслеживать сразу несколько предметов и даже их так раньше, когда набирали на

99: На работу диспетчеров. Их так тестировали. Лётчики тоже должны иметь возможность отслеживать движение сразу нескольких объектов. И, ну, есть какие-то задачи, которые мы сейчас ещё не видим, потому

100: Что хотя, хотя мы можем с ними справиться, но мы их ещё не видим, потому что мы не знаем, что мы с ними можем справиться, поэтому подождём.

101: Вот что у нас ещё есть. У нас ещё есть нейроинтерфейсы, которые отличаются по наличию обратной связи и по её присутствию, да, то есть есть она или нету, те, которые не имеют обратной связи, они собирают или посылают сигнал в 1 направлении. Ну и как?

102: Я сказала выше, мы, когда говорим о нейроинтерфейсах, мы скорее говорим о том, что они собирают сигнал с мозга и посылают его на преобразователь. Вот, а те, которые имеют обратную связь, их может быть

103: 1 или несколько, ну, несколько. Обычно это 2 вот эта обратная связь, она может быть активная и пассивная, пассивная. Это когда пользователь воспринимает информацию классическим способом, органами чувств, зрением чаще.

104: Всего, а пассивная это когда точнее, активная, это когда электрод помещён в мозг человека. Ну вот как здесь здесь приведена картинка, где мы отличаем активную связь от пассивной. Вот

105: Самые прогрессивные работы используют обе связи и активную, и пассивную, и вообще любое, любое обучение. А человек, когда взаимодействует с нейроинтерфейсом, мы сейчас тоже поговорим об этих парадигмах. Человек, когда взаимодействует с нейроинтерфейсом.

106: Человек обучается на нейроинтерфейсе тоже. То есть идёт взаимное обучение, человек подгоняет себя под нейроинтерфейс и нейроинтерфейс подгоняет себя под человека. Ну, если мы позволяем это делать, да, когда мы там включаем обучение,

107: Например, наших нейронок на устройстве. О сложностях этого тоже поговорим. Обычно в робототехнике мы рассматриваем обратную связь, вот как нарисовано слева наверху. То есть система 1 посылает

108: Что-то системе 2 и сразу на выходе выход свой выход отправляет к себе на вход. Система 1. То есть зацикливает информацию частично там она учитывает вот эту предыдущую информацию, когда даёт системе 2 ответ. А в нейроинтерфейсах у нас

109: Сигнал обратной связи предполагает преобразование системой 2. Вот. И вот на картинке справа нарисовано как же это, как же это происходит? У нас есть вот человек и сигнал идёт от

110: Мозга. Ну в данном случае мы говорим, ну если вы видите, то это такой неинвазивный нейроинтерфейс. Сигнал идёт от мозга, собирается преобразователем и дальше обратно. Сигнал уже видоизменённый не такой, как мы привыкли, п работотехники идёт на

111: Стимуляцию каких-то областей мозга данного человека. Вот.

112: Ещее нейроинтерфейсы делятся по способности к адаптации. Бывают они с возможностью адаптации к пользователю, а могут быть универсальные. Ну и как раз вот тут давайте поговорим о парадигмах, которые существуют в

113: Разработки нейроинтерфейсов. Какие у нас, что такое нейроинтерфейсы с адаптацией пользователя? Ну вот как я говорила выше, это значит, что мы, например, наш нейроинтерфейс.

114: Выделяет определённые паттерны, свойственные данному человеку индивидуальные паттерны и и далее учитывает их. Ну, давайте простым языком объясню, что это такое. Это значит, что вот, например, мы даём задачу человеку и говорим, надо

115: Двинуть какой-то предмет вправо или влево силой мысли. Ну люди, как вы можете понимать, вы должны задаться вопросом, а люди вообще думают одинаково или разно? Да, это и есть ответ на выбор парадигмы, вы считаете?

116: То люди думают одинаково или разно, и мы сейчас об этом поговорим. Если люди думают разно, значит нам точно нужно сделать такой интерфейс, нейроинтерфейс, который бы подстроился под данного конкретного человека. Ну потому что раз мы все думаем по разному, значит мы должны

117: Вычленить, какие паттерны свойственны конкретному человеку их зафиксировать и уже использовать в, например, движении. Именно эти паттерны. Следующая парадигма это парадигма универсальности, это когда мы считаем, что в популя

118: Существуют общие паттерны. Ну причём мы можем считать, что люди делятся на группы и какие-то группы, например, люди из 1 языковой группы имеют общие паттерны. Ну так вот, мы сделали такое исследование и посмотрели, когда мы занимались разработкой ней

119: Интерфейса. Мы сделали это исследование и ответили для себя на эти вопросы. То есть мы задались вопросом, можем ли мы создать универсальный интерфейс, есть ли у нас возможность, есть ли у нас возможность выделить

120: И такие общее популяционные паттерны. Ну, оказалось, что да, есть другое дело, что у нас выборка должна быть достаточно большой. Тем не менее, вот мы делали, разрабатывали нейроинтерфейс, который позволял использовать неинвазивную технологию с помощью

121: Собирали мы сигнал с помощью электроэнцефалограммы и смотрели, можем ли мы найти такие инвариантные для популяции русскоязычных пользователей паттерны, которые бы позволили нам трактовать электрический сигнал, собранный как

122: Например, движение вперёд, назад, вправо, влево. Стоп, старт вниз, вверх. Отменить. Окей.

123: Взять и отпустить и псевдослово. Вот. То есть, как вы понимаете, мы были нацелены на вполне себе конкретные команды движения, потому что мы разрабатывали нейроинтерфейс универсальный, чтобы не обучать на людях с ограниченными возможностями мы хотел

124: Обучить на здоровых, а потом помочь надеть вот эту шапочку, использовать её для трактовки сигналов людей с ограниченными возможностями.

125: Ну и какие бывают ееще нейроинтерфейсы, нейроинтерфейсы бывают с использованием машинного обучения, без нейронных сетей и с использованием нейронок, то есть глубокого обучения, а также ещё.

126: Новенькая такая штуковина это с использованием спайковых сетей. Ну то есть тут не очень правомочно выделять их в отдельную категорию, если не учитывать тот факт, что у спайковых сетей есть принципиальные особенности обучения, не характерные для изве,

127: Глубоких сетей, но это сейчас не тема нашего доклада как-нибудь потом

128: Так, и, значит, неинвазивные нейроинтерфейсы на основе электроэнцефалограммы. Давайте немножко коснёмся истории. Когда же они появились? Ну, в 49 году, в 19 веке был такой Эмиль Генрих раймон.

129: Который впервые показал электрогенные свойства мозга и занимался этим достаточно серьёзно. К нему потом присоединился, делал с ним докторскую диссертацию правдич неменский, который как раз

130: Такие 1 зарегистрировал импульсы, которые можно трактовать, как и егэ, собаки, и даже выделил определённые такие диапазоны волн, которые мы сейчас называем альфа ритмом, бета ритмом и так далее.

131: Также интересны были работы относительно неинвазивных нейроинтерфейсов у полтера в 63 году он сделал по большому счёту, 1 нейроинтерфейс, то есть с поверхности головы были снимались сигналы.

132: Электроэнцефалограммы и и испытуемый мог таким образом думанием дать бинарный сигнал, да или нет, да, там включить кнопку или выключить.

133: Достаточно известная работа про такого плана нейроинтерфейсы неинвазивные тоже, когда мы фиксируем вспышку, вспышку определённой буквы, то есть сигнал мозга человека отличается

134: При, ну вот видите, такой экран, да, там буквы, скажем так, в узлах решётки расположены и подсветка идёт, подсветка идёт или вертикальными строками, или горизонтальными строками, и

135: Если человек концентрируется на какой-то букве, которую он хочет типа набрать, то когда подсветка проходит по этой букве, то сигнал мозга несколько отличается, и мы ловим этот паттерн, этот паттерн можно трактовать как-то, что человек смотрит на эту

136: Ну как вы можете понять вот такого рода сигнала таким способом достаточно трудоёмкая история. Хотелось бы чего-то другого, и мы тоже этим занимались, и мы

137: Ориентировались на команды движения. И вот мы делали такие вещи, как, например, в экосистеме Сбера. Там были игры типа 20 48, и хотелось играть в 20 48 через нейроинтерфейс.

138: Ну, это даже получилось. И мало того, это получилось ещё лучше, если обучаться, ну, дообучаться на себе, что, конечно, не удивляет.

139: И того, когда мы подделали всякого рода разные исследования, можно сформулировать, просуммировать, что же мы получили, какие же выводы мы можем сделать. Во первых, конечно, адаптация пользователя наиболее эффективна. То есть, если мы дообучаем

140: Свой нейроинтерфейс на конкретном пользователе, на данных этого пользователя, то есть вычленяем конкретные индивидуальные паттерны, то это эффективней, это и дешевле в плане обучения, и точность распознавания гора

141: Выше, чем обычно, при этом мы можем сказать, что точно существуют популяционные варианты, то есть какие-то определённые паттерны электрической активности мы работали с 1 языковой группой, и предварительные мои исследования задолго.

142: До этого исследования показали, что языковые группы отличаются, то есть у нас паттерны Мозговой активности, мы не можем обучиться на 1 языковой группе и перенести на другую, то есть есть определённые инварианты паттернов электрической активности, характер.

143: Для конкретной языковой группы. И когда мы говорим о командах движения, например, мы можем, скажем, обучить такой универсальный нейроинтерфейс на 1 языковой группе и с какой-то не пятидесятипроцентной точностью.

144: Распознавать, например, 5 бинарный сигнал на случайном индивиде. Ну, у нас, конечно, была задача по более амбициозная. Мы хотели распознавать именно команды движения достаточно полно. Вот, и

145: Хотели добиться способности создавать такие универсальные интерфейсы. И мы, конечно, захотели подразбить популяцию на дополнительные группы. Ну и какие мы группы хотели выбрать? Ну, мы, конечно, выбирали

146: С учётом социальных факторов, какие нам доступны. То есть это возраст, образование, область интересов, пол и праворукость, леворукость.

147: Вот ещё 1 вывод, который хочется сказать, это эффективность применения глубокого обучения. Мы показали, что, да, глубокое обучение применимо для разработки нейроинтерфейсов. Ну, действительно, это как бы является такой

148: Основным массовым способом он не всегда применялся в нейроинтерфейсах, но сейчас активный и повсюду я не переключила слайд. Вот давайте тогда ещё тут немножко поговорю.

149: Ещё давайте про языковые группы скажу, потому что, по моему, я этот слайд не добавляла.

150: Не, не добавляла, поэтому расскажу мы не про группы социальные группы. Мы готовим все ещё публикацию, которая бы показывала, что люди из разных профессиональных подгрупп

151: Немножко отличаются по электрической активности мозга, но мы исходим из парадигмы того, что у нас нету такого понятия, как физики и лирики, да.

152: Наш мозг очень пластичный, и в зависимости от того, чем вы занимаетесь, можно перейти от Физиков к лирикам, и это будет заметно по её, по егэ. И вот эти вот особенности егэ как раз-таки мы учитывали для того, чтобы сделать

153: Выбрать группу более гомогенную и обучиться на какой-то определённой гомогенной группе, чтобы дальше, например, сказать, да, к нам приходит человек и говорит, вот я, например, занимаюсь, я, например, разработчик и я хочу использовать нейроинтерфейс.

154: И мы ему даём нейроинтерфейс с нейронкой, доученный на разработчиках. И исходя из нашей парадигмы, это должно помочь с точностью классификации этих команд. Вот.

155: Ну, вообще то я понимаю, что может оказаться, что нейроинтерфейсы неинвазивные, достаточно разочаровывающая тема, особенно с учётом того, что недавно мета выпустила абсолютно популистскую статью на выпустила её на архив, сказали, что они

156: Вообще речь могут распознавать, но это все неправда. Не могут они речь распознавать, потому что у них вообще то нейроинтерфейс был как антенна. Ну, на archive, конечно, такое пускают, а дальше, надеюсь нет, конечно, джентльменам верят на слово, но все-таки, надеюсь, нет. Вот, и

157: Что могут нейроинтерфейсы? Мы на самом деле добились существенных результатов. Вообще то сот результатов мы добились, но так как джентльменам верят на слово, то это уже не выглядит так впечатляюще. Посмотрите.

158: Дана таблица, что могут современные нейроинтерфейсы распознавать неинвазивные на основе егэ, но они так скромненько, да, в основном на бинарную классификацию, да нет там чуть чуть команд и так далее звуков. Вот у нас

159: Получилось лучше, а если с дообучением, так вообще хорошо. А вот это был универсальный нейроинтерфейс. Вот это 85% точности на 9 словах. Это универсальный интерфейс без дообучения на индивиде. Если делать на индивиде, это будет 100%. Но, кстати, да.

160: Наверное, надо подчеркнуть, потому что люди не понимают, насколько это круто, потому что тут чётко не сказано, что это универсальный интерфейс, но в статье написано.

161: Что мы делали? Как мы это делали? Мы выбирали всякие дополнительные признаки, всякие смотрели частотные диапазоны, временные диапазоны, временные паттерны, брали частотные паттерны, пространственные паттерны. Что это это значит, например?

162: Когда человек думает какое-то слово произносит внутренним голосом какое-то слово, мы ловим паттерны этого слова, например, в речевом центре, ну немножко смещённые, да, вот эта вот активность, она может быть смещена, например, когда человек думает, впра.

163: Право, и когда думает влево, эта активность будет разная, точно тоже самое с частотными паттернами, то есть частоты для 1 слова чуть чуть другие, если сравнивать с другим словом, и временные паттерны, это тоже, например, у нас

164: Длинные слова вызывают большее раздражение. Например, когда мы говорим отмена, это прям нормальное такое слово, отмена. Его долго думают, вот чем, когда говорим. Окей, вот, окей, думают быстро, хотя, казалось бы,

165: Ещё мы посмотрели ну, когда мы занимались разработкой нейроинтерфейса, мы попали в эру covid, и она изменила категорически наше вообще взаимодействие с миром ну, мы не растерялись и стали использовать это себе на благо.

166: И на благо человечества. Однако мы в какой-то момент попали в ситуацию, что вот у нас хорошо хорошо обучался, собирались данные, и так все гладенько шло и гомогенная группа, и вдруг что-то пошло не так. Ну, мы решили проверить, может быть, не так. Это был covid, но так и оказалось действительно covid.

167: Достаточно сильно меняет мозг, мы опубликовали 2 работы и сейчас готовим серьёзную такую большую работу по поводу изменения мозга на после covid, причём мы достаточно

168: Быстро нашли эти паттерны, но вы же знаете, как все это ты начинаешь писать статью, потом что-то происходит. И вот 12 месяцев прошло, да, и тут начинаются другие работы выпускать. Вот, но тем не менее, мы видим, что

169: Что можно сказать уникальным в нашем исследовании это то, что мы точно знаем, что covid перенесение covid делает мозг шумящим, то есть есть такое, например, положение.

170: Для разработчиков нейроинтерфейсов считается, что частоты больше 50 60 Герц уже являются незначимыми, то есть они не приносят нам дополнительной информации, но это оказалось не так. Эти частоты приносят нам дополнительную информации.

171: Информацию этих частот больше у старых людей они растут с возрастом и после covid, то есть наш мозг, можно назвать его шумящим мозг, то, что можно сказать, белым шумом, да, таким стран.

172: Какими-то непонятными, недифференцированными колебаниями. Там вот мы можем назвать шумящий мозг, и этот мозг, начиная наш мозг начинает сильнее шуметь после covid, вроде как это восстанавливается, но мы не делали фулап исследования, поэтому, ну во.

173: Предполагаем.

174: Ну, хотелось, чтобы наш нейроинтерфейс был не просто симпатичным инженерным решением с классической задачей внедрения глубокого обучения туда, но и хотелось ещё накрутить туда математики, и математика нормально накрутилась какая.

175: У нас была задача, у нас была задача выделить определённые команды, такие команды, которые мы можем трактовать как команды движения. Но в эту, эту же задачу, когда мы говорим об этой задаче, мы же в принципе вольны поменять

176: Команды чуть чуть, да, например, слово вперёд заменить на слово прямо и в этом была вся задумка. Именно в этом была вся задумка.

177: Как происходит сейчас, сейчас происходит следующее. Вот у нас есть большой словарь, а надо сказать, да, у нас слова, слова наши, да, разделяются.

178: Ну, разделяются не, не совсем одинаково. То есть у нас есть, например, слова, которые нейроинтерфейс плохо различает, например, вправо, влево. Ну, у нас как бы, люди плохо различают вправо и влево. Чего ждать от нейроинтерфейса. Так вот, тож.

179: Не справляется вправо, влево путает. И чтобы избежать этого, ну, подумали, ну давайте заменим, например, влево. У нас будет также влево, да, а вправо заменим на слово какое-нибудь там

180: Какое? Ну это мне хотелось че-нибудь более экстравагантное. Какое?

181: Вообще отлично. Ну, мы примерно так и сделали, но я сейчас потом скажу, вот 1 будет влево, а другой сено. Вот, ну, мы же имеем право так сделать, имеем. И мы так и сделали. Но хотелось бы, чтобы все-таки не xeno было, да, а мы

182: Посмотрели, что же происходит, например, у водителей.

183: Крана строительного, у них там есть слово вира и майна. Вот, и мы их добавили в наш словарь, добавили виру и minor. Вот, и сделали такие под словари. Ну вот смотрите, на схеме я тут нарисовала, значит, у нас есть большой словарь, и мы должны выбрать

184: Из них, например, пусть мы должны выбрать 9 команд. Ну-ка команд тут к команд. Вот мы должны выбрать к команд, потому что наше устройство должно распознавать-ка команд. Хорошо, мы начинаем из этого слова.

185: Выбирать все возможные комбинации, которые бы дали бы нам, ну все возможные под множество к command да, а словарь у нас большой ну вы все понимаете, да, задача перебора страшная задача, мы попадаем в

186: В историю п равно нп и так далее. И что мы делаем? Мы должны перебором выбрать самую лучшую комбинацию, которая давала бы лучший лучшую точность на к классификации. Ну где

187: Как классификатор это наша нейронка.

188: Ну, как вы понимаете, это просто классическая задача перебора. На ней все погибает. Ну и удалось придумать хорошую такую идейку. Алгоритм, который бы позволил подобрать достаточно быстро, правильно?

189: Словарь, в чем заключалась идея помещаем, помещаем. Ну, все знают, что такое кадоль, ый граф.

190: Нет, да окей, граф графиня. Ладно, ну, граф там Шёл. Граф был понятен. Да. Окей, значит.

191: Значит, кадоль ый граф, это что такое? Ну, это тот же самый граф, только у нас ребра. Мы выделяем такие на вершинах подмножества, и внутри этих подмножеств мы не строим ребра между вершинами. Вот и.

192: Пусть это, ну пусть мы делаем и назовём это классом эквивалентности по какому-то признаку, например, по семантическому признаку. То есть мы делим весь словарь на классы эквивалентности, где класс эквивалентности

193: Выделяет, выделяем. По тому, например, означает слово движение вверх или не означает да, но вот все, что означает ну хоть как-то означает движение вверх, мы относим к 1 классу эквивалентности. Итак, соответственно, k. Klass

194: Эквивалентности между и каждый класс эквивалентности мы представляем долей в кадоль графе и между вершинами ставим проводим ребра и ребра.

195: Взвешенные. У нас там есть вес, а вес это точность, точность бинарной классификации. Точнее это точность нашей нейронки, которая отличает эти 2 слова. Ну вот там вот вполне конкретные, то есть

196: Точностью 0 9. Слово, а отличается от слова б. Ну вот видите, вот там кодоны, граф, схемка, ну вот с точностью 0 9. То есть в 90 процентах случаях слово, а наша нейронка отличает от слова б хорошо метим.

197: Это ребро, которое соединяет эти 2 вершины. Ну, очевидно, что слово а не лежит в классе эквивалентности слова б, потому что они семантически, типа разные. Ну, нам же не очень интересно смотреть, как отличает наша нейронка.

198: Слова из 1 класса эквивалентности, поэтому мы берём из разных классов эквивалентности и так далее. Вот алгоритм заключается в следующем. Мы делаем такой графф, потом мы убираем все ребра, а потом мы начинаем, потом мы делаем

199: Бинарную классификацию, бинарную классификацию на всех возможных вершинах, ну которые не лежат в 1 классе эквивалентности сортируем и у нас получаются какие-то огромные веса. То есть у нас есть какие-то слова, которые различаются очень классно.

200: Хорошо, тогда мы начинаем добавлять последовательно в новый граф именно эти ребра, ну и, очевидно, нам же нужно, ну, чтобы у нас были все возможные-ка представи,

201: Чтобы у нас были все возможные семантические представители, да, мы их называем-ка представители. Вот. И значит, нам нужно так, чтобы в графе было как минимум столько рёбер.

202: Чтобы, чтобы у нас был полносвязный-ка граф, не очень понятно? Да нет, да, нам нужно из каждой, из каждой доли, кадолго графа выбрать по какому-то слову и

203: Это и есть наш словарь, то есть наш словарь, искомый словарь мы выбираем из большого словаря, мы ищем эти к слов, которые бы классифицировались хорошо. Вот, ну, в общем, работу мою можно посмотреть и повысить.

204: Уровень скачиваний она, кстати, хорошо скачивается, цитируется плохо, я призываю не только скачивать, но и цитировать.

205: Вот, в общем, поискали, поискали и получилось вот такое. Получилось, что если раньше мы решали задачу перебора, то есть вообще невероятную задачу, самую сложную задачу перебора, на которую

206: Умирают все наши вычисления, на которые не хватит никаких, никаких гпук, никаких кластеров не хватит, никаких кристофари не хватит. И мы модифицировали задачу и

207: Из полного перебора превратили в задачу, ну, достаточно такую хорошую мы немножко потеряли в точности в статье написано, почему? Да, ну, прям совсем незначительно. Вообще чуть чуть. Зато посмотрите, как мы выиграли во времени. Вот.

208: Если мы делаем полный перебор на своём каком-то словаре, но здесь я делала перебор, демонстрировала для 4, 6, 4, 8 и 16 классов. То есть когда мы выбирали искомый словарь из 4, 8 и 16 слов такой

209: Скромненький, правда. И вот если мы делали это на достаточно большом словаре, перебирали из всех возможных, то если это 4 слова, то полным перебором мы искали идеальный словарь за 700 миллисекунд, а для шестнад

210: Слов полным перебором нам уже понадобилось 160 часов. Ну, понятно, да, что это абсолютно нереальная какая-то задача. И это мы только начали, между прочим. Вот. А алгоритм, который предложен, вот этот максиминный алгоритм, он дела

211: Это вот 16 идеальных слов. 16 ищет за 1200 миллисекунд. Ну прям крутяк. Вот.

212: Так, давайте теперь посмотрим, какие ещё бывают неинвазивные нейроинтерфейсы. Ну вот они бывают на основе функционального мрт, несмотря на всю красивость этого нейроинтерфейса, потому что там вот видите, вот такие полы

213: Хающие мозги это исследова. Ну, это сделано на фрессер гарвардском таком проекте, позволяющем смотреть, ну, естественно, мозг так не полыхает, это имитация. Вот. Но посмотреть

214: Активность определённых участков мозга при думании каких-то слов. Как вы думаете, что какой у этого нейроинтерфейса на слове фрэй на основе фрай, какой минус есть?

215: Как вы думаете?

216: А дайте я скажу, что такое, что же там меряют, там меряют приток крови к области активности, то есть

217: Не он, например, думает или она думает слово отменить отмена, отмена.

218: Что, что же там такого отрицательного в этом формай?

219: Не, ну вот он отличается. Ладно, ответ правильный ответ следующий. Ну, кровь движется гораздо медленнее, чем электрический импульс. Поэтому, ну вот пока туда кровь притечёт, да, вот она думает, эту отмену. Ну хорошо, мы распознали.

220: Manu, но это очень похоже на тот интерфейс, который я вот показывала ранее. Помните, где буковки мы фиксировали? Ну примерно тоже самое по скорости. То есть очень неэффективно в плане распознавания скорости распознавания нейроинтерфейс, поэтому за ним нету будущего. А зачем

221: Есть. А вот за этим неинвазивные нейроинтерфейсы написала на основе и егэ это неправильно на основе магнитометрии. Вот неинвазивные нейроинтерфейсы на основе магнитометрии магнитометрия позволяет нам получить

222: Сигнал и от Глубоких структур мозга, притом притом частота дискретизации отличная в плане это не fm рай, где мы там за 1 секунду, так и быть, распознали 1 слово, то есть мы быстро это делаем.

223: Ну вот, есть компания кернел, которая выкатила своё решение с роялем в кустах. Вы видите человека, на нём шапка? Да, вот и кажется, что это почти носимое устройство, но видите белую стену за ним.

224: Вот за этой стеной рояль просто, просто он скрыт стеной, но у нас тоже было своё решение. Если бы

225: Ну, так как это онлайн трансляция, то я не буду говорить, если бы что вот, а подумаю, то мы бы тоже сделали свой нейроинтерфейс на основе магнитометрии. И вот у нас даже есть патент, который сейчас принадлежит

226: Сберу, который позволяет делать атомную, ну, нейроинтерфейс на основе атомной магнитометрии. Рассказать, как это работает.

227: Угу. Так сколько человек уже знает, что такое граф?

228: Ну хорошо, значит, есть у нас в таблице Менделеева, которую, кстати, джентльмены не называют таблицей Менделеева, а просто периодической таблицей. Поэтому предлагаю всегда говорить, что это менделе.

229: Вот в таблице Менделеева есть элементы, которые характеризуются магнитным моментом, и к таким элементам относится цезий рубидий это элементы, которые в магнитном поле ведут себя.

230: Немножко иначе, если мы их докачаем фотонами, если мы переведём энергетическое состояние этих атомов в другое энергетическое состояние, ну, в энергетически активное состояние, вот.

231: Ну вот представим, что мы это сделали. Поместили это вот там, где называется, сел в ячейки поместили и эти ячейки предста 2 вот эти ячейки представляют собой градиометр. Это что значит магнитный градиометр? Это значит, что когда вот он

232: Находится в магнитном поле, то-то, что происходит в 1 ячейке со светом, пропускаемое через неё. И то, что происходит в другой ячейке. Мы можем детектировать и также посмотреть разницу между этими ситуациями. А что же там происходит? Ну, мы на эти ячейки

233: Подаём свет. Сначала фотоны подаём те, ну, лазером, естественно, подаём фотоны, которые переводят часть атомов в этой ячейке. Ну, или рубидия, который вместе с аргоном там находится в эти

234: В этой ячейке с инертным газом каким-нибудь переводят в активное состояние, то есть меняют немножко частоту прецессии. И дальше мы что делаем? Ну, накачали мы эти

235: И они начинают немножко по другому процессировать в магнитном поле. И если мы в этот момент пропускаем другой, другой свет, поляризованный свет, например,

236: Например, циркулярно поляризованный свет кто-нибудь знает, что такое граф?

237: Вот если мы пропускаем циркулярно парализованный свет, то у нас те те атомы, которые находились в особом состоянии под действием активации их светом, до этого они начинают выхватывать на себя фотон и выпускать тоже.

238: Потом и тем самым, но при этом поляризация меняется. То есть в свете появляется шумовой компонент. Этот шум мы ловим пластинками и детектируем, соответственно, до

239: Этого шума. Таким образом, мы знаем, насколько сильное магнитное поле находится в области вот этих 2 ячеек. Ну вот я рассказала немножко про граф, ну давайте тогда дальше.

240: Есть ещё, есть ещё инвазивные нейроинтерфейсы и вот самый 1 нейроинтерфейс инвазивный делал вовсе не илон маск, а делал хосе дельгадо. В 63 году он засунул инвазивную

241: Ну, стимулирующая часть, электростимулирующие внутрь мозга быка. Мало того, у него был беспроводной нейроинтерфейс в 63 году. Вот, и он управлял быком бинарно, он уже

242: На кнопку сигнал быку в голову поставлялся, отпускал кнопку, сигнал переставал. Ну и бык на это реагировал. В отличие обезьян, от обезьянок бык реагировал не на сахар, а на человека, ну и, соответственно, если

243: Управляющему быком хотелось остановить бегущего бегущего быка на человека, он нажимал на кнопочку и быку, в мозг попадал серьёзный электроимпульс он

244: Ну, настолько серьёзно, что он его ощущал и как бы останавливался, замирал в оценке того, что происходит с мирозданием в этот момент этого было достаточно, чтоб чтоб другой человек убежал.

245: И вот крутые работы были сделаны как раз-таки группой, в которой был Михаил Лебедев в 2006 году они начали это дело. Вот, а совсем не илон маск. Вот, и они внедряли, внедряя

246: Стимуляторы, электростимуляторы в мозг обезьяны и. И заставляли её, во первых, ощутить, ну, ощутить что-то, например, шероховатую потреб.

247: Поверхность. Ну причём это была фейковая шероховатая потребность. Поверхность, потому что фейковая рука обезьяны. Ну, видите, там на экране нарисовано фейковая рука обезьяны трогала 1 квадратик, потом другой квадратик и

248: Чувство, которое обезьяна получала за счёт стимуляции мозга, отличалось в 1 квадратике и в другом обезьяна это распознавала и действовала соответствующим образом, чтобы получить, как обычно, еду.

249: Вот, то есть вот такие вот были инвазивные нейроинтерфейсы уже давно. Ну и вот надо сказать, что были и серьёзные прорывы, и на людях. То есть вот в 2006 году уже были инвазив.

250: Нейроинтерфейсы. Вот видите, как они выглядели? У инвазивных нейроинтерфейсов есть очень большая проблема. То, что, несмотря на тонкость электродов, на позиционирование, все равно мозг человека отторгает инвазивные нейроинтерфейсы образу

251: Вокруг них соединительно тканную капсулу, и постепенно электрод перестаёт получать или отдавать сигнал и тем самым, ну и мозг повреждается необратимо. То есть инвазивные нейроинтерфейсы действуют, но у них

252: Есть прям серьёзные проблемы, и люди с серьёзными ограниченными возможностями могут рискнуть таким образом. А всем остальным, наверное, не надо пока. Ну, потому что можно, например, сделать, рискнуть с оптогенетикой оптогенетика.

253: Это другая штука, там нету никакого отторжения, там изменение происходит на уровне Генов особи. Ну, в данном случае мышки добавляли такой белок опсин.

254: Который под действием света генерировал электрический сигнал внутри нейрона. Ну, нейрон это воспринимал и передавал сигнал дальше и

255: То есть, добавив, добавив с помощью добавления Гена возможность экспрессии конкретного белка в конкретных клетках, мы позволяем светом снаружи воздействовать на животное ну как?

256: Знаете, если вы наведёте, если вы напротив солнца поставите свою руку, то она у вас вся будет такая красная, она прозрачная будет. Ну и такое, на самом деле все у человека мы достаточно прозрачные, и мышь тоже прозрачная.

257: То есть, на самом деле эти белки, они достаточно чувствительные. Если, например, эти белки поместить в сердце, в миоциты, то активность миоцитов, можно, можно её регулировать снаружи чисто

258: Световым пучком. Вот, и это уже показано. Ну вот такая достаточно перспективная область стала, возможно благодаря благодаря успеху системы crispr cas, которую разработали

259: Нобелевскую премию получили дженнифер дудна, эммануэль шарпентье, эммануэль шарпентье. Вот. И благодаря этому генетическая модификация, в частности, внедрение Аптина, куда мы хотим, стала возможна.

260: На взрослых особях, то есть не только в эмбриогенезе, но и на взрослых особях. Так что вообще то это наше будущее, будущее наше не за инвазивными нейроинтерфейсами, а за метанв и неинвазивными нейроинтерфейсами. Вот, ну, я

261: Ничего против инвазии не имею, но просто мозг как-то жалко. 2 часть это часть про нейрохирургические опыты, роботы.

262: Что у нас сейчас происходит? У нас есть определённые тренды развития в медицине. Это цифровизация, персонализация, внедрение искусственного интеллекта, роботизация и размывание границ между странами с помощью телехирургии, но обычно

263: Обычно эта конвергенция между медициной и технологией, она затруднена, затруднена она отсутствием должной коммуникации, отсутствием общего языка и отсутствием, отсутствием определённых процессов.

264: Позволяющих коммуницировать и быстро внедрять технологии. Ну вот я хочу рассказать про нашу команду, которые вот там сидят, ну они тут тоже нарисованы. Вот наша команда, которая как раз-таки показывает успешную конвергенцию технологий медицины. Вот

265: Вот и мы занимаемся разработкой роботов роботизированных устройств для удалённого проведения нейрохирургических эндоваскулярных операций.

266: Вот это вот конвергенция классической хирургии, да, слева и стартаперов справа. Ну, мы тут вполне счастливы.

267: Ну, это правда, здорово, как сейчас происходит эндоваскулярная хирургия. Вот видите, вот это вот операционная. И здесь есть вот такая скоба, вот эта вот скоба, это постоянная

268: Постоянный источник рентгеновского облучения и сейчас операции на мозге стараются делать микроинвазивном, а чтобы их делать микроинвазивном, то есть не открывать черепушку, а через сосуд добраться до нужного места и чтобы это происхо.

269: Дело постоянно опираются на визуальную картинку, визуальную картинку получают благодаря постоянным постоянным получением картинки от рентген аппарата, то есть сколько длится операция, столько человек облучается, но и хирурги.

270: Рядом. И, естественно, хирурги хотели бы этого избежать. Ну и много чего ещё. А вот много чего ещё это вот чего бы они не хотели, они бы не хотели, чтобы был, была вот эта вот набор.

271: Дозы кумулятивной рентгеновской. Дальше они бы хотели, чтобы больше внимания оказывали мы на особенности архитектуры сосудов мозга человека пациента. У нас, оказывается, только мы с вами имеем общую архитектуру.

272: Сосудов, ну, значимую общую, да, то есть у нас есть действительно такие магистральные сосуды, достаточно общие, да, но значимые особенности у 75% людей, то есть

273: Мы вообще то на самом деле очень сильно отличаемся по сосудам мозга, и хирургам на данный момент приходится делать эти операции и менять ход операции, тактику оперативного вмешательства в 30 процентах случаях, то есть

274: Они, они, конечно, готовятся к этой операции, но тем не менее, когда начинают они работать с пациентом, начинают смотреть, что там за сосуды, им приходится тактику оперативного вмешательства менять. Если с этим могут справиться хирурги с большим опытом, то хирурги с

275: Маленьким опытом, ну, как бы косячат и так они организуют себе кладбище пациентов. Конечно, никто этого не хочет. Ни пациенты, ни хирургии. И хочется, чтобы были, были устройства, позволяющие реализовать, реализовывать.

276: Персонализированный подход к пациентам. Вот, а ещё хочется, чтобы хирургам хочется, чтобы, например, всякие хирургические оплошности детектировались искусственным интеллектом, чтобы у хирургов

277: Ассистирующий искусственный интеллект, который, например, бы, убирал тремор или бы детектировал перфорацию сосуда и сразу об этом говорил. Хотелось бы, чтобы были тренажёры хирургические, которые были бы прям тоже самое, что

278: Операционной, чтобы хирурги, начинающие хирурги, не на пациентах тренировались, а тренировались на тренажёре, а потом шли в операционный уже умеючи вот что ещё хочется. А ещё хочется, так как вообще нейрохирургов не очень мало, а индовая ных нейро

279: Хирургов ещё меньше, то есть это прям исчезающий вид, но вроде пока не исчезают. Вот чему мы очень рады, но тем не менее, их прям супер мало. И они нужны и в других центрах, и в других городах, и в других странах, и телехирургия.

280: Которой, которой нету, да, сейчас она только начинается, как раз-таки позволяла бы решить эту проблему. Ну и вот как выглядит телехирургия. То есть у нас есть операционная комната, а есть хирургическая комната и хирурги там вполне

281: Все по-хипстерски сидят перед мониторами и проводят хирургическую операцию в соседней стране. Вот это то, к чему мы стремимся, то, что мы делаем.

282: Ну и мы делаем это через 3 наших продукта. Это тренажёр, оперирующее устройство левша и персонализированную хирургию. Ну, наверное, я об этом более подробно расскажу на другой лекции, потому что у нас время с вами ограничено, а я

283: Большей части уделила сейчас нейроинтерфейсам, поэтому следующая лекция будет про это про нейрохирургических роботов.

284: Вот оно выглядит вот таким вот образом. У нас есть исполнительное устройство и контролирующее устройство, контролирующее устройство на стороне хирурга, исполнительное в операционной. И нам надо что сделать? Нам надо, чтобы на стороне хирурга было примерно тоже самое, к чему.

285: Ну, он привык, например, когда оперируют в течение 20 лет. В общем, те же самые инструменты, та же самая картинка мозга рентгена, рентгеновская картинка мозга человека, пациента. И чтоб это было интерактивное

286: Обратная связь была. То есть, например, если катетер там скручивается, чтоб хирург на стороне хирурга чувствовал это, ну вот, и мы это делаем. Ну, ещё хочется персонализированную хирургию. Вот, ну вот мы сейчас будем на конференции высту.

287: В Китае и в Эмиратах по поводу своего роботизированного устройства. У нас там выйдет сразу Ворох статей с нашими достижениями. Вот 1 из достижений. Это роботизированная эндоваскулярная хирургия, персонализированная хирургия, то есть мы

288: Получаем по снимкам мозга человека, получаем индивидуальную архитектуру сосудов мозга человека, запихиваем её в симулятор, и хирурги могут потренироваться на симуляции столько, сколько хотят, а потом уже идти. Перри.

289: По настоящему ну вот там вот QR-код можно зайти и посмотреть, можно посмотреть видео.

290: Вот такое, например, видео, которое было, например, демонстрация сколково, мы делали

291: И вот на переднем плане это хирург, наш коллега Вадим берёстов, который является и соавтором наших работ. И вот он тестирует наше роботизированное устройство и и

292: Все идёт вроде как удачно. Ему понравилось то, как ему понравилось. Можно посмотреть на нашем сайте. Мы предусмотрительно записали то, как ему понравилось. Вот. Ну и наш следующий шаг это на самом деле

293: Я сейчас делала доклад на брикс плюс и рассказывала про наш следующий шаг. Это международная школа высокотехнологичной доскуно нейрохирургии. Вот мы бы хотели, чтобы мы как раз-таки вот эту вот экосистему тренажёр

294: Оперирующее устройство, персонализированную хирургию не только у себя развивали, да, а чтобы мы вообще распространяли знания в дружественных странах. Вот у меня все

295: Спасибо, Александр. Если у вас есть вопросы, поднимайте руки, я к вам подойду.

296: Здравствуйте ещё раз. Так, сейчас найду. А вот хотелось бы узнать, можно ли с помощью неинвазивных интерфейсов, вот вы говорили то, что отследили covid, но это, я так понимаю, был сначала образец, изначально?

297: А потом уже образец этого же человека после covid а может быть ли такое, что уже с течением времени вот неинвазивные интерфейсы по мере своего развития смогут отследить изменения в мозге, которые уже произошли?

298: То бишь, если у них будет пример здорового мозга, они смогут ли отследить у человека уже изменения, которые произошли. Угу. Спасибо за вопрос. Ну, это вообще то такая тоже парадигма анализа данных, то, как вы смотрите на данные, вам обязательно нужен

299: Апп. Когда вы смотрите за 1 человеком, да, до болезни или после, или вы просто используете многофакторный анализ для получения информации, уже не обращая внимания, что там было в прошлом, у вас просто есть группа перенёсших, есть не перенёсших. Ну и отлично учитывая, ну,

300: Классический многофакторный анализ вы можете посмотреть, есть ли признаки covid или нету. И вот ещё такой вопрос в дальнейшем ли, возможно ли вот с помощью инвазивных устрой

301: Ну, надо сказать, что многофакторный анализ, он там, это не просто такое слово, да, это частично, ну, там мы на самом деле, это делали нейронками, классификаторами сложными, но, ну, просто не хочется быть совсем неточной. Вот со временем с помощью

302: Неинвазивных средств. Можно ли будет, например, излечить такое заболевание, как рассеянный склероз. Он характеризуется тем, что воспаление миелиновой оболочки нерва, и поэтому мозг неправильно трактует сигналы от нервов. Вот.

303: Возможно ли в дальнейшем, как бы с помощью устройств помочь мозгу, да, настроить связь заново, потому что некоторые вот эти воспаления, к сожалению, не купируются, они навсегда с человеком. Ну, рассеянный склероз, это такое действительн.

304: Сложное заболевание, оно полиэтиологическое, то есть там нету отдельно выделенной причины, там есть, конечно, ему сопутствует нейровоспаление, естественно, но нейровоспаление сопутствует много чему ещё, но это вообще отдельная история. Я

305: Достаточно хорошо знаю рассеянный склероз. И у меня там есть свои теории, подтверждённые данными об особенностях рассеянного склероза, но нигде не опубликованы, нигде не говорю. Ну так, в кулуарах, как говорится в курилке. Вот.

306: Значит, что там про этот рассеянный склероз, там потеря функции достаточно сильно идёт, там действительно потеря, ну, не миелиновой оболочки, да, а глиальной части, да, там, там системное воспаление, глина.

307: Ну, скажем так, вот этой оболочки, которую вы говорите, да, ну, типа шванновской клетки, она в мозге, её нету. Ну, то есть, там немножко другие структуры, тем не менее, да, есть в

308: Головном мозге её нету, а в периферической, конечно, есть. Там действительно есть потеря вот этой вот целостности шванновской оболочки и так далее. И действительно шумные нейроны появляются с помощью нейроинтерфейса.

309: Ну, смотрите, тут как и с лечением болезни альцгеймера, и если есть ещё что лечить, да, то можно лечить, а если уже субстрат потерян, то нельзя. Вот, но восполнять какую-то функцию можно, но все равн.

310: Надо причину убирать.

311: Ну, то бишь можно чуть чуть облегчить состояние, но полностью купировать его так не получится, получается, да, то бишь, ну, мне это не, не нейроинтерфейсами надо делать это другим. Это история фарма, скорее и генетической модификации. Ага, хорошо, спасибо большое.

312: Давайте я тогда вот за вопрос дам наклейку нейро, спутника нашей компании. Вот так вот будет выглядеть, как у меня на ноутбуке. Видите? Спасибо.

313: Спасибо большое за лекцию. У меня вопрос касательно инвазивных интерфейсов, и хотелось бы поподробнее узнать про риски интегрирования инвазивных интерфейсов и в каких случаях человек прибегает.

314: К внедрению инвазивных интерфейсов, потому что вот вы сказали, что, ну, только в крайнем случае, только если там совсем серьёзное заболевание, ну, хотелось бы просто поподробнее узнать. Не, ну, нам всем хочется в киберпанк. Вот, но тут надо понимать, что сейчас риски достаточно серьёзные.

315: Да, инвазивных нейроинтерфейсов, конечно, в будущем они будут будут использовать инертные материалы, вызывающие меньше отторжения, и там, ну, это вот скорее к химии сейчас вопрос, да, к материаловедам.

316: Которые бы создали поверхности, ну, инертные поверхности, которые бы не вызывали адгезию определённых молекул, например, ну, каких-нибудь там антигенов, да, на которые бы реагировали бы.

317: Соединительно тканные клетки, например, глиальные клетки, которые бы атаковали и формировали там капсулу соединительно тканную. Вот. Ну то есть это немножко другая история, конечно, это будет сделано, как бы материалы сейчас тоже движутся в правильном

318: Управлении. Вот, тем не менее, на данный момент, если нету серьёзной патологии типа потери функции движения там или зрения, то, к сожалению, пока нейроинтерфейсы это немножко, немножко

319: Pro gaming а не про гейминг не рассказала, тоже есть что рассказать, а не про какую-то реальность нашу.

320: Хорошо, спасибо. Гексагон. Можно 2 вопрос? А гексагон будет 1? Да? Ну ладно, ну просто, может, другим не хватить. Давайте так, я вам зарезервирую ещё 1. Спасибо большое. У меня ещё 1 вопрос касательно.

321: Ну, формы covid, вы упоминали, что мозг, работа мозга слегка нарушается, и хотелось бы узнать, форма covid как-то влияет на степень нарушения или нет, или одинаково вирус влияет?

322: Разрушение мы не смотрели другой мы смотрели вот именно самый начальный, то есть без модификаций, а потом уже нас унесло по волнам.

323: Ну, здесь я останавливаюсь опять, потому что я обещала. Спасибо.

324: Небольшой вопрос. А вот про телемедицину, когда вот из другой страны человек, да, может оперировать, а вот как защищается этот канал? То есть от там, от всяких атак, это отдельная история, да? Ну это, это как-то прорабатывается, конеч.

325: Мало того, смотрите, че есть.

326: Прям вот буквально сегодня, вот видите, написано cyber security center, машин копинг систем. Вот cyber security мы тоже делаем все серьёзно.

327: У меня вопрос тоже по телемедицине. Вы говорили, что сейчас хирург меняет тактику в 30 процентах случаев, когда проводится операция на мозге. И это причём хорошо. Это прям крутые хирурги.

328: У вас есть слайд, где есть схема сосудов мозга? То есть вот это неточная схема или сейчас ещё нету возможности, да, достоверные схемы строить? Почему? Потому что это крути.

329: Нарисована. То есть это будущее надо гласно, чтоб был намётан, чтобы крутизну от некрути отличать. Я понимаю, что когда ты немножко не в теме, ты смотришь на это и думаешь, ну вообще как-то вот там вот лишние сосуды, да, вот там какая-то оболочка, но вообще

330: Это очень круто. Мне интересно. Вот сейчас хирурги обладают вот полной информацией при проведении операции? Нет, конечно. То есть это вот все, к чему мы стремимся, то, что у хирурга будет полноценная. Вот

331: Да, мы занимаемся этим разработкой, да. Ну, не обязательно модель мозга, да, мы, например, сейчас сосуды делаем, ну, модель сосудов мозга будет у него полноценной, и он поэтому сможет качественно, более качественно, да, в этом, в этом и есть персонализированная хирургия. В этом и есть тренажёр левша.

332: Спасибо. Угу.

333: Так, берите, пожалуйста, свои иконы. Сейчас вопрос из трансляции. Угу. Момент, видимо, в какой-то вопрос имеет отношение к какому-то конкретному моменту, но я его озвучу то, что эти белки светятся сами, обратную связь.

334: Бы сделать вот про светящиеся белки. Нет, они сами, ну они поглощают фотон, и и они генерят, обраща, преобразуют свет в электричество.

335: Соответственно, ну, очевидно, что можно и наоборот, потому что, как бы, можно и наоборот, да, есть работы про светящийся мозг, который, да, есть такое, да, немножко другие опсины, да.

336: Там класс целый Белков. Вот, да, такие работы есть, есть работа светящегося мозга, ну, в принципе, тоже за этим, за этим будущее. Но, как вы говорили, несмотря на то, что, ну, наш мозг пластичен, а значит, весь опыт, который мы переживаем, меняет нашу нейросеть и

337: И у каждого человека, соответственно, будет мозг по другому светиться. У нас будут разные паттерны с учётом нашего перенесённого опыта. Угу.

338: Спасибо за лекцию. А скажите, у нейроинтерфейсов и инвазивных, и неинвазивных, какое-то есть сейчас коммерческое применение, ну, на будущее мы там рисуем красивые картины, а сейчас уже как-то это, ну да, для нейроинтерфейса, конечно.

339: Фига всего коммерческого. Вот, например, мы сотрудничаем с компанией нери. Саша, привет.

340: Ну, я какому-то гипотетически, куда-то гипотетически обратилась. Наверное, туда надо было. Саш, привет. Вот мы взаимодействуем с компанией нейри, которая крутая компания, которая как раз-таки делает нейроинтерфейсы, неинвазивные нейроинтерфейсы вполне себе

341: С утилитарной функцией, это они определяют, ну, во первых, склонность человека к определённым профессиональным, к определённой профессиональной области, ну, точнее, они там расположили всех людей.

342: От творцов до учёных. Вот, и по по определённым паттернам альфа ритма, и они считают, что этот паттерн, он врождённый, то есть

343: Вот этот паттерн альфаритма, его нельзя изменить в течение жизни. Ну, на самом деле, дальше они делают оговорку, что если вы устали, то он меняется. Вот. Ну ладно, тем не менее, они считают, что нельзя изменить и на этом основании, когда они

344: Его меряют, они говорят, ну вот вы больше учёный, а вот вы больше творец, а в серединке находятся управленцы. Вот, ну как бы такое, как вы думаете, где я оказалась?

345: Спасибо, пришлось оказаться везде, конечно. Вот. Но вообще то я оказалась в управленцах на грани с учёными. Что прям грустно, я думаю, надо переименовывать эту группу.

346: Вот это коммерческое приложение ещё там коммерческое предложение, приложение в том, что они измеряют уровень усталости, стресса и так далее, но не только они, но вот я говорю про дружественную нам компанию.

347: Вот. Угу. Спасибо за лекцию. Интересно, какие болезни лечатся такими эндоваскулярными операциями? Вот вы так сказали, что можно

348: Вскрывать череп, а можно заходить через сосуды. У меня сложилось впечатление, что это вопрос просто величины шрама, что можно и так, и так, или моё почтение, или есть какие-то болезни, которые иначе не вылечишь и не доберёшься до каких-то мест.

349: Вот эндоваскулярная хирургия совсем недавно стала менее инвазивной областью, позволяющей как раз-таки проводить операции эндоваскулярно. Ну какие операции? Да, мы про какие большей частью про аневризмы сосудов мозга, те, которые при разрыве своём

350: Выглядит как геморрагический инсульт. Вот если раньше такие аневризмы лечились путём клипирования, то есть, когда делали трепанацию черепа, делали доступ конкретно к этому сосуду и

351: То сейчас через пах заходят катетер, вставляют в область паховой области, идут до мозга, через все тело попадают к аневризме и дальше убирают эту аневризму путём ну разными путями, там может быть stand, может.

352: Быть заполнение аневризмы специальным гелем или металлическими пружинками.

353: Вот можно делать с открытием черепа, но от этого стараются уходить, потому что дело не только в шраме, да, там есть качественные изменения. 1 дело Шрам, а другое дело открытый череп. То есть то, что как раз-таки мы когда разрабатываем неинвазивные

354: Интерфейс. Мы как раз-таки пытаемся уйти от открытого черепа, пытаемся уйти от инвазии. Это всегда не небезопасно и не проходит без последствий никогда.

355: Очень интересно, спасибо.

356: Да, спасибо тебе большое за лекцию. Хотел такой вопросик задать. Ты говорила много про последствия инвазивных интерфейсов и немножко начала говорить про разработку нейро.

357: Ну, каких-то электродов там с инертными материалами. И вот мне вспомнилась статья из science адвансес прошлогодняя, где ребята утверждают, что они сделали, значит, такой биоэлектрический интерфейс на пла.

358: Форме. Так, ну вот называется микротендер. Вот. И там утверждается, что какие-то вот прямо органические аксонии у них, значит, оптопроводники, которые гидрогелем окружены и которые прямо очень

359: Хорошо вживляются, и они утверждают, что все эти проблемы решены. Вот за этим не будущее. Или там десяток таких вот сделать, там они образуют сотни связей тоже с другими аксонами. Все, казалось бы, хорошо.

360: Угу, все. Ну, я потом ещё чуть чуть спрошу, я в тебе не сомневаюсь, как бы Костя просто входит в нашу команду. Я прям знаю, о чем речь. Костя, может вот говорить много и по делу?

361: Значит, отвечаю. Я не считаю, что за этим будущее это, конечно, здорово стимулировать нейрогенез синаптогенез, но я считаю, что будущее за оптогенетикой, за метинами, ными нейроинтерфейсами. Ну, я

362: Реально считаю, что это гораздо круче, чем втыкать что-то в мозг, сделать так что ты меняешь гены, оно у тебя раз там и центр восприятия какой-то информации появился там где надо и совсем без инвазии.

363: Ну просто, казалось бы, эта штука решает вопросы по поводу светящегося мозга. Вот кто-то спрашивал, я тут недавно статью даже на эту тему издал, где мы изучаем светящийся мозг. Там есть проблема, конечно, в том, что мозг светится очень разными.

364: Да, там натрием, кальцием, калием и так далее. Вот самый популярный это кальциевый имидж, они про другое говорили, они говорили про фотоны. Ну да, а ты имеешь ввиду кальций натрий, испускающий фотоны, конечно, да, и впрыскивается.

365: Белок в мозг, ну, белок выпускает фотоны, да, да. И вторичная эмиссия, это все понятно. Но, казалось бы, вот пример светящегося мозга, кальциевый имиджинг называется, или там двухфотонный уже сейчас, ну, это немножко, ну да, такое есть, да, вот. Так что мозг умеет.

366: Светиться, но толку от этого немного, потому что это все равно очень медленно происходит на восприятии интерфейса. Они поэтому и говорили, да, что это как раз-таки совсем другие белки, которые фотоны продуцируют в большем количестве. Угу. В ответ

367: На, на раздражение, да, а вопрос 2 был про следующее. Ты говорила, что вот частота выше 50 Герц на шумящем мозге, но, казалось бы, до 70 Герц.

368: Бывает гамма излучения, гамма ритмы мозга, которые вроде как, так, такие, ну, для технической проводимости, грубо говоря, зависит от частоты дискретизации, да, то есть, какая у тебя частота дискретизации? Ну, у нас есть

369: Теорема найквиста, да, о том, что мы можем использовать только половину частоты дискретизации, только половину длины мы можем детектировать волны и, соответственно, настоящие устройства у нас сейчас работают на частоте дискретизации.

370: 250 Герц, 125 Герц, да, вот такие. То есть, ну, все, что у нас как бы выше 50, там, 70, я понял. Вот я все понял. Ну, то есть оно

371: Такое пограничное, мы это уже считаем шумом, потому что она попадает в частоту накста. Все, я все понял. Спасибо. Поговорили о графах.

372: Про клики ещё не поговорили, про клики. Ну как бы тут вот так ещё вам, у кого-то ещё был вопрос. Угу.

373: Последний, последний вопрос, не последний, видимо, последний гиперграф то почему гиперграф?

374: Размеченный кадильный граф, размеченный котолый граф.

375: Извините, давайте как бы, если вопрос закончится, мы перейдём к другому.

376: Спасибо за лекцию. Хотел такой более приземлённый вопрос задать по 1 половине лекции про глубокое обучение. Может быть пару примерчиков. Как это происходит? Что

377: Происходит. Ну вот вы говорили, есть такая тема, как про языковые группы, есть общие такие понятия, но если индивидуально проводить какое-то более глубокое обучение, вот хотел

378: Глубокое обучение это обучение с помощью нейронных сетей, то есть человеку дают какие-то задания, он их делает. Ну это термин такой, просто то, что мы называем глубокое обучение, это нейронные сети. Просто мы их можем называть нейронные сети, а можем называть глубокое обучение, то есть более общий терми.

379: Это глубокое обучение, ага.

380: Ладно, спасибо. А все-таки ещё 1 последний вопрос.

381: Тема глубокому обучению. Вот вы вопрос такой, как вы собирали модель данных, когда вот вы рассказывали про то, про математический алгоритм, вот когда, с помощью которого вы классифицировали слова, вы на живых людях, то есть вот вы просили по

382: Там человека подумай, окей? Собираем-таки образ. Мы ещё не смогли детектировать мысли мёртвых, поэтому на живых

383: Ну, то есть, вот интересно, вот просто как раз-таки, или это ещё только алгоритм получается, ещё только в разработке? Да? Да. Нет, почему же применяется? Скачивайте, цитируйте, есть гитхаб. Ну, мне интересен просто вопрос касательно, вы сами соби.

384: Собственно, модель, на которой обучали или нет.

385: Dataset имеется ввиду датасет собирали сами, сами писали нейронки сами делали препроцессинг, сами делали анализ данных, сами писали статьи, сами придумывали гипотезы, парадигмы тоже формировали сами, сами формулировали теоремы доказывали сами, алгоритмы тоже сами.

386: Придумали спасибо. И модули хордовые тоже сами делали. Вон сидит.

387: Давайте поблагодарим Александра за прекрасную лекцию. Теперь у нас небольшая, так скажем, часть, где надо выбрать лучших от, ну, лучшие вопросы.

388: Так, ну вот кого наградим.

389: А вы мне какой вопрос задавали?

390: Мы за социализм, поэтому, наверное, так, сейчас я вспомню. Вот вы, по моему, задавали вот 2 девчонкам хорошие вопросы были, я не очень

391: И, по моему, вот там кость. Ну прости, тоже. Хочешь? Нет, он вашу книжку может потом почитать.

392: Нормально, хорошо, я поняла. Вот ещё вот там молодой человек спрашивал, спрашивал, да, то, что вам понравилось?

393: Да, да, нормальный, глубокий вопрос был. Вот троим, тогда выходите. И так, единственный вопрос, кто из вас лучше в математике разбирается у нас тут?

394: На самом деле есть крутые математики, включая меня. Вот я как раз не сомневаюсь, но мне кажется, вам эта книжка покажется простой. Вот можете показать и сами посмотреть, что это вот время, вот время переменных математически

395: Анализ вот у нас там ещё другие крутые математики сидят в количестве 3. Вот так. Потом 2 книжка у нас это

396: Мифо, зой. Вот. То есть это, так скажем, про выдуманных животных средневековья. Вот. И последняя книжка, это у нас планета Муравьёв.

397: Вот, книжки получены благодаря альпини фикшн. Вот. Спасибо вам за прекрасные. Я думала, благодаря лекции, да. Ну естественно. Ну и конечно, давайте поблагодарим ещё раз Александру и вручим ей меня и

398: Нашу команду. Спасибо большое. Александру и команду. Вот нейропутина, да, команда нейро, спутник там сидят. Вот. Спасибо вам то, что вы сегодня пришли. Понимаю, что все так неожиданно сегодня повернулось, но вышло, мне кажется, очень здоров.

399: Обидно, что вот тут вот сидели 2 человека, которые не смогли перенести вступление и ушли раньше, чем все началось.

400: Да, да, там 2 человека, которые вот прям космической тематикой говорили, и нормально было бы во 2 половине. Я прям, мы пытались, как видите, почти всех нам удалось удержать. Надо было дверь закрыть.

401: Спасибо вам за то, что вы сегодня были с нами, и на этом все. Спасибо вам. Было здоровское с вами пообщаться. Приходите ещё, приходите к нам на семинары и вообще, если хотите заняться эндоваскулярной

402: Хирургия или разработкой тоже будем ждать.

403: Ну и да, и конечно можно переключить слайд там был да, можно заходите на канальчик точно да да вот QR-код, вот QR-код только что был, вот можно отсканировать и это гораздо больше узнать о проекте.

404: На этом сайте надо найти telegram и подписаться вот отдельно будет лайк шер лишер за то за подписку на telegram.

405: Вот. Так что на этом все. Всем пока.

406: Кому я не дала Сагон, кто кто заслужил, но не да, не забудьте забрать авторы вопросов ещё наклейки на компьютер.