"Though more patients in the BCI group improved, the difference was not significant."
Правда, они даже не потрудились написать, что за BCI такой они использовали.
https://pure.au.dk/portal/en/publications/brain-computer-interface-training-for-patients-with-severe-upper--3
Правда, они даже не потрудились написать, что за BCI такой они использовали.
https://pure.au.dk/portal/en/publications/brain-computer-interface-training-for-patients-with-severe-upper--3
Aarhus University
Brain Computer Interface training for patients with severe upper limb paresis after stroke: A pilot RCT
Forwarded from Алексей Хохлов
При подготовке доклада об инструментах искусственного интеллекта для обработки научной информации на завершающейся сегодня в Институте органической химии РАН конференции «Искусственный интеллект в химии и материаловедении» мне пришлось несколько подробнее погрузиться в тематику, связанную с обучаемыми нейронными сетями. В связи с этим хотел бы здесь высказать несколько общих соображений.
1. Нет ничего сложного в построении обучаемой нейронной сети – это просто математический прием. Впрочем, этот прием обладает большой общностью, его можно применить к широкому спектру задач.
2. Этот прием имеет лишь очень опосредованное отношение к тому, как работает человеческий мозг. Нейронная сеть и нейроны мозга, искусственный интеллект и естественный интеллект – разные сущности. Не стоит приписывать обученной нейронной сети человеческие качества – это будет все равно, что обижаться на ответы телефонного автоответчика.
3. С учетом этого, непонятна логика распространявшегося весной этого года открытого письма «визионеров в области высоких технологий» (Илон Маск, Стив Возняк и др.) с призывом приостановить на полгода обучение нейросетей. Обучение нейросетей это математический прием (не самый сложный) – как интегрирование по частям или метод градиентного спуска. С тем же успехом можно запретить на полгода интегрировать по частям. Но открытое письмо визионеров создало некий «флер загадочности» вокруг всего этого дела.
4. Понятен взрыв интереса к нейронным сетям, который возник в связи с тем, что они начали обучаться на больших массивах текстов («большие языковые модели»). Появилась очень удачная и универсальная реализация такой модели – чат-бот ChatGPT от компании OpenAI. Надо только понимать, что обученная нейронная сеть выдает наиболее вероятную, а вовсе не точную достоверную (т.е. научную) информацию.
5. Для целей научных исследований обученные нейронные сети можно использовать, но как вспомогательный прием. И иногда этот прием работает очень эффективно – это было показано в ряде докладов на конференции «Искусственный интеллект в химии и материаловедении». Однако при анализе полученных данных всегда надо включать «естественный интеллект». Скажем, в одном из докладов по применению нейронных сетей в молекулярном моделировании говорилось о том, что надо было прибегать к специальным ухищрениям, чтобы выполнялись законы сохранения. Эти законы точные, а нейронная сеть по своей природе дает лишь вероятные ответы.
6. В ближайшее время обучаемые нейронные сети будут применяться к большому числу разнородных задач, поэтому важно, чтобы этим методом овладело как можно большее число молодых специалистов (что должно включать и понимание границ применимости метода). Необходимо активно внедрять разделы по нейронным сетям в вузовские курсы. Повторяю, ничего сложного или даже «загадочного» в искусственном интеллекте нет – там все доступно для понимания первокурснику естественнонаучного или технического вуза. Например, можно было бы преподавать основы теории нейронных сетей в курсе линейной алгебры (возможно, назвав его немного по-другому, поскольку для нейронных сетей важна нелинейность функции активации). В идеале, умение пользоваться методом нейронных сетей должно быть столь же необходимым атрибутом ученого или инженера, как умение пользоваться логарифмической линейкой сто лет назад.
1. Нет ничего сложного в построении обучаемой нейронной сети – это просто математический прием. Впрочем, этот прием обладает большой общностью, его можно применить к широкому спектру задач.
2. Этот прием имеет лишь очень опосредованное отношение к тому, как работает человеческий мозг. Нейронная сеть и нейроны мозга, искусственный интеллект и естественный интеллект – разные сущности. Не стоит приписывать обученной нейронной сети человеческие качества – это будет все равно, что обижаться на ответы телефонного автоответчика.
3. С учетом этого, непонятна логика распространявшегося весной этого года открытого письма «визионеров в области высоких технологий» (Илон Маск, Стив Возняк и др.) с призывом приостановить на полгода обучение нейросетей. Обучение нейросетей это математический прием (не самый сложный) – как интегрирование по частям или метод градиентного спуска. С тем же успехом можно запретить на полгода интегрировать по частям. Но открытое письмо визионеров создало некий «флер загадочности» вокруг всего этого дела.
4. Понятен взрыв интереса к нейронным сетям, который возник в связи с тем, что они начали обучаться на больших массивах текстов («большие языковые модели»). Появилась очень удачная и универсальная реализация такой модели – чат-бот ChatGPT от компании OpenAI. Надо только понимать, что обученная нейронная сеть выдает наиболее вероятную, а вовсе не точную достоверную (т.е. научную) информацию.
5. Для целей научных исследований обученные нейронные сети можно использовать, но как вспомогательный прием. И иногда этот прием работает очень эффективно – это было показано в ряде докладов на конференции «Искусственный интеллект в химии и материаловедении». Однако при анализе полученных данных всегда надо включать «естественный интеллект». Скажем, в одном из докладов по применению нейронных сетей в молекулярном моделировании говорилось о том, что надо было прибегать к специальным ухищрениям, чтобы выполнялись законы сохранения. Эти законы точные, а нейронная сеть по своей природе дает лишь вероятные ответы.
6. В ближайшее время обучаемые нейронные сети будут применяться к большому числу разнородных задач, поэтому важно, чтобы этим методом овладело как можно большее число молодых специалистов (что должно включать и понимание границ применимости метода). Необходимо активно внедрять разделы по нейронным сетям в вузовские курсы. Повторяю, ничего сложного или даже «загадочного» в искусственном интеллекте нет – там все доступно для понимания первокурснику естественнонаучного или технического вуза. Например, можно было бы преподавать основы теории нейронных сетей в курсе линейной алгебры (возможно, назвав его немного по-другому, поскольку для нейронных сетей важна нелинейность функции активации). В идеале, умение пользоваться методом нейронных сетей должно быть столь же необходимым атрибутом ученого или инженера, как умение пользоваться логарифмической линейкой сто лет назад.
👍8🔥2🤔2
Что такое порфирия? — Объясняет Наталья Супонева.
https://dzen.ru/video/watch/6578773c27981511f0de9cb1
https://dzen.ru/video/watch/6578773c27981511f0de9cb1
Дзен | Видео
Порфирия. Болезнь вампиров? | Доктор, что это? | Дзен
Видео автора «Доктор, что это?
🔥1
Forwarded from Around Science (реинкарнация «Гранита науки» на «Эхе Москвы»
Как бы так постареть, чтобы не постареть, и чего бы такого съесть при этом? Признайтесь, вы же любите такое! :)
А оно в новом выпуске «Медицины в контексте»:
https://youtu.be/HjZmRyJCvBY?si=Nvr8eR0_c2SNEcA0
А оно в новом выпуске «Медицины в контексте»:
https://youtu.be/HjZmRyJCvBY?si=Nvr8eR0_c2SNEcA0
YouTube
«Механизмы старения и принципы активного долголетия». Гость: Москалев А.А.
Новый выпуск авторской программы Марины Аствацатурян «Медицина в контексте» продолжает цикл, посвященный старению.
Гость программы Алексей Александрович Москалев, член-корреспондент РАН, доктор биологических наук, профессор рассказал о механизмах старения…
Гость программы Алексей Александрович Москалев, член-корреспондент РАН, доктор биологических наук, профессор рассказал о механизмах старения…
🔥3
Forwarded from не МПрОП (Natalia Zakharova)
Небольшие итоги
Какие коленные модули с микропроцессорным управлением были представлены на национальном форуме реабилитационной индустрии и универсального дизайна «Надежда на технологии»?
Рассказываем в алфавитном порядке:
▪️«Актив 2» от АО «Научно-производственная корпорация «Системы прецизионного приборостроения»
Уровень активности пользователя - высокий, максимальный вес - 120 кг. Вес шарнира - 1 400 г.
Микропроцессор обрабатывает данные с датчиков, анализирует двигательную активность, определяет характер и скорость передвижения и управляет работой гидроцилиндра.
▪️«Кинез-1» от ООО «РПК». О нём рассказывали раньше и ничего с того момента не изменилось, можно посмотреть информацию по хештегу #Кинез
▪️«Комета» от АО «Московское производственное объединение «Металлист»
Уровень активности пользователя - 3-4, максимальный вес - 125 кг. Вес шарнира - 1 355 г.
Интуитивно понятное управление, защита от спотыканий, сбор данных микропроцессором более 1000 раз в секунду.
▪️Электронный коленный модуль от METIZ
Уровень активности пользователя - 3-4, максимальный вес - 125 кг. Вес шарнира - 1 400 г.
Управление фазами опоры и переноса осуществляется гидравлической системой, управляемая микроконтроллером.
▪️ «Steplife B7» от ООО «ГК «Салют-Орто»
Уровень активности пользователя - 3-4. Пользователь обладает способностью или потенциальной возможностью передвигаться на протезе в среднем, быстром и переменном темпе, преодолевая большинство препятствий.
▪️«Exitus» от группы компаний «Мадин». Кстати, exitus с латыни - это результат или успех предприятия.
Автоматически подстраивается под темп ходьбы пользователя. Микропроцессор осуществляет сбор и обработку данных о параметрах ходьбы и в реальном времени рассчитывает требуемое на данный момент усилие сгибанию и выпрямлению, обеспечивает контролируемую фазу опоры и переноса, страхует, предохраняет от спотыканий, позволяет своевременно изменить скорость, скорректировать упор, безопасно преодолевать подъёмы и спуски.
#протезбедра
#Актив2
#Комета
#Метиз
#SteplifeB7
#Exitus
Какие коленные модули с микропроцессорным управлением были представлены на национальном форуме реабилитационной индустрии и универсального дизайна «Надежда на технологии»?
Рассказываем в алфавитном порядке:
▪️«Актив 2» от АО «Научно-производственная корпорация «Системы прецизионного приборостроения»
Уровень активности пользователя - высокий, максимальный вес - 120 кг. Вес шарнира - 1 400 г.
Микропроцессор обрабатывает данные с датчиков, анализирует двигательную активность, определяет характер и скорость передвижения и управляет работой гидроцилиндра.
▪️«Кинез-1» от ООО «РПК». О нём рассказывали раньше и ничего с того момента не изменилось, можно посмотреть информацию по хештегу #Кинез
▪️«Комета» от АО «Московское производственное объединение «Металлист»
Уровень активности пользователя - 3-4, максимальный вес - 125 кг. Вес шарнира - 1 355 г.
Интуитивно понятное управление, защита от спотыканий, сбор данных микропроцессором более 1000 раз в секунду.
▪️Электронный коленный модуль от METIZ
Уровень активности пользователя - 3-4, максимальный вес - 125 кг. Вес шарнира - 1 400 г.
Управление фазами опоры и переноса осуществляется гидравлической системой, управляемая микроконтроллером.
▪️ «Steplife B7» от ООО «ГК «Салют-Орто»
Уровень активности пользователя - 3-4. Пользователь обладает способностью или потенциальной возможностью передвигаться на протезе в среднем, быстром и переменном темпе, преодолевая большинство препятствий.
▪️«Exitus» от группы компаний «Мадин». Кстати, exitus с латыни - это результат или успех предприятия.
Автоматически подстраивается под темп ходьбы пользователя. Микропроцессор осуществляет сбор и обработку данных о параметрах ходьбы и в реальном времени рассчитывает требуемое на данный момент усилие сгибанию и выпрямлению, обеспечивает контролируемую фазу опоры и переноса, страхует, предохраняет от спотыканий, позволяет своевременно изменить скорость, скорректировать упор, безопасно преодолевать подъёмы и спуски.
#протезбедра
#Актив2
#Комета
#Метиз
#SteplifeB7
#Exitus
❤3👍1