<?xml version="1.0" encoding="UTF-8"?>
<rss version="2.0">
    <channel>
        <title>نوشته های connectomeacademy</title>
        <link>https://virgool.io/feed/@connectomeacademy</link>
        <description></description>
        <language>fa</language>
        <pubDate>2026-07-06 18:57:52</pubDate>
        <image>
            <url>https://files.virgool.io/upload/users/1667256/avatar/SLTPpy.jpg?height=120&amp;width=120</url>
            <title>connectomeacademy</title>
            <link>https://virgool.io/@connectomeacademy</link>
        </image>

                    <item>
                <title>برو کنار هوش مصنوعی ! دانشمندان حوزه جدید &quot;هوش ارگانوئیدی&quot; را معرفی کردند</title>
                <link>https://virgool.io/@connectomeacademy/%D8%A8%D8%B1%D9%88-%DA%A9%D9%86%D8%A7%D8%B1-%D9%87%D9%88%D8%B4-%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C-%D8%AF%D8%A7%D9%86%D8%B4%D9%85%D9%86%D8%AF%D8%A7%D9%86-%D8%AD%D9%88%D8%B2%D9%87-%D8%AC%D8%AF%DB%8C%D8%AF-%D9%87%D9%88%D8%B4-%D8%A7%D8%B1%DA%AF%D8%A7%D9%86%D9%88%D8%A6%DB%8C%D8%AF%DB%8C-%D8%B1%D8%A7-%D9%85%D8%B9%D8%B1%D9%81%DB%8C-%DA%A9%D8%B1%D8%AF%D9%86%D8%AF-e6rbkcv89ymn</link>
                <description>کامپیوترهایی که با سلول‌های مغز انسان کار می‌کنند ممکن است مانند داستان علمی تخیلی به نظر برسند، اما تیمی از محققان در ایالات‌متحده معتقدند که چنین ماشین‌هایی، بخشی از حوزه جدیدی به نام «هوش ارگانوئیدی»، می‌توانند آینده را شکل دهند و اکنون برنامه‌ای برای رسیدن به آن دارند.ارگانوئیدها بافت‌هایی هستند که در آزمایشگاه رشد می‌کنند و شبیه اندام‌ها هستند. این ساختارهای سه‌بعدی که معمولاً از سلول‌های بنیادی به دست می‌آیند، نزدیک به دو دهه است که در آزمایشگاه‌ها مورد استفاده قرار می‌گیرند. جایی که دانشمندان با آزمایش بر روی جایگزین‌های کلیه، ریه و سایر اندام‌ها توانسته‌اند از آزمایش‌هایی که برای انسان یا حیوان مضر هستند، جلوگیری کنند.ارگانوئیدهای مغز در واقع شبیه نسخه‌های کوچک مغز انسان نیستند، اما کشت‌های سلولی به اندازه نقطه قلم می‌باشند. این کشت‌های سلولی، حاوی نورون‌هایی هستند که قادر به انجام عملکردهای مشابه مغز بوده و ارتباطات زیادی را تشکیل می‌دهند.دانشمندان این پدیده را &quot;هوش در یک ظرف&quot; می‌نامند.تصویر 1: عکس بزرگ‌نمایی شده ارگانوئید مغزی که در آزمایشگاه هارتانگ تولید شده. در این کاشت، نورون‌ها به رنگ سرخابی، هسته‌های سلولی به رنگ آبی و سایر سلول‌های حمایت کننده به رنگ قرمز و سبز رنگ شده‌اند.دکتر توماس هارتانگ، استاد بهداشت و مهندسی محیط‌ زیست در دانشکده بهداشت عمومی جانز هاپکینز بلومبرگ و دانشکده مهندسی وایتینگ در بالتیمور، پرورش ارگانوئیدهای مغزی را با تغییر نمونه‌های پوست انسان در سال 2012 آغاز کرد.هارتانگ و همکارانش در نظر دارند که توانایی ارگانوئیدهای مغز را در نوعی سخت‌افزار بیولوژیکی ترکیب کنند که از نظر انرژی کارآمدتر از ابررایانه‌ها است. این «بیوکامپیوترها» از شبکه‌های ارگانوئیدهای مغزی استفاده می‌کنند تا به طور بالقوه انقلابی در آزمایش‌های دارویی برای بیماری‌هایی مانند آلزایمر ایجاد کرده و بینشی در مورد مغز انسان ارائه دهند تا آینده محاسبات را تغییر دهند.هارتانگ، نویسنده ارشد این مطالعه، عنوان کرد: « تاکنون محاسبات و هوش مصنوعی انقلاب فناوری را به پیش رانده‌اند، اما در حال رسیدن به سقف خود هستند. محاسبات زیستی تلاش عظیمی برای فشرده‌سازی توان محاسباتی و افزایش کارایی آن برای عبور از محدودیت‌های تکنولوژیکی فعلی است.مغز انسان در مقابل هوش مصنوعیدرحالی‌که هوش مصنوعی از فرآیندهای فکری انسان الهام گرفته است، این فناوری نمی‌تواند تمام قابلیت‌های مغز انسان را به طور کامل تولید یا تکرار کند. به دلیل همین شکاف است که انسان‌ها می‌توانند از کپچا (CAPTCHA) مبتنی بر تصویر یا متن، یا آزمون تورینگ عمومی کاملاً خودکار برای تشخیص رایانه‌ها و انسان‌ها، به عنوان اقدام امنیتی آنلاین برای اثبات اینکه ربات نیستند، استفاده کنند.آزمون تورینگ که به عنوان بازی تقلید نیز شناخته می‌شود، در سال ۱۹۵۰ توسط ریاضیدان و دانشمند انگلیسی، آلن تورینگ، برای ارزیابی اینکه ماشین‌ها چگونه رفتار هوشمندانه‌ای مشابه رفتار انسان از خود نشان می‌دهند، ساخته شد.اما یک کامپیوتر چگونه می‌تواند مقابل مغز انسان قرار گیرد؟ابررایانه می‌تواند تعداد زیادی اعداد را سریع‌تر از انسان محاسبه کند. هارتانگ گفت:&quot;به عنوان مثال، AlphaGo (هوش مصنوعی که بازیکن شماره 1 شطرنج جهان را در سال ۲۰۱۷ شکست داد) بر اساس داده‌های ۱۶۰۰۰۰ بازی آموزش دیده است. انسان برای تجربه این تعداد بازی باید بیش از ۱۷۵ سال، روزانه پنج ساعت بازی کند.&quot;از طرف دیگر، مغز انسان در مصرف انرژی کارآمدتر است و همچنین در یادگیری و تصمیم‌گیری‌های پیچیده منطقی، بهتر عمل می‌کند. چیزی در حد توانایی تشخیص یک حیوان از حیوان دیگر، کاری است که مغز انسان به راحتی انجام می‌دهد ولی کامپیوتر نمی‌تواند.فرانتیر (Frontier)، یک ابرکامپیوتر ۶۰۰ میلیون دلاری در آزمایشگاه ملی اوک ریج(Oak Ridge National Laboratory) در تنسی، وزن سنگینی معادل ۸۰۰۰ پوند (۳۶۲۹ کیلوگرم) دارد. وزن هر اتاقک معادل دو وانت‌بار استاندارد است. هارتانگ گفت: این ابرکامپیوتر در ماه ژوئن از ظرفیت محاسباتی یک مغز انسان فراتر رفت - اما یک میلیون برابر بیشتر انرژی مصرف کرد.هارتانگ گفت: &quot;مغز هنوز با کامپیوترهای مدرن قابل قیاس نیست.&quot;وی افزود: &quot;مغز همچنین ظرفیت شگفت‌انگیزی برای ذخیره اطلاعات دارد که حدود 2500 ترابایت تخمین زده می‌شود. ما در حال رسیدن به محدودیت‌های فیزیکی رایانه‌های سیلیکونی هستیم، زیرا نمی‌توانیم ترانزیستورهای بیشتری را در تراشه‌ای کوچک قرار دهیم.&quot;کامپیوتر زیستی چگونه کار می‌کند؟پیشگامان سلول‌های بنیادی، جان بی. گوردون و شینیا یاماناکا در سال ۲۰۱۲ جایزه نوبل را برای توسعه تکنیکی دریافت کردند که به سلول‌ها اجازه می‌داد از بافت‌های کاملاً توسعه یافته مانند پوست تولید شوند. این تحقیقات جدید به دانشمندانی مانند هارتانگ اجازه می‌داد تا ارگانوئیدهای مغزی را توسعه دهند که برای تقلید از مغزهای زنده و آزمایش و شناسایی داروهایی که ممکن است برای سلامت مغز خطرآفرین باشد، استفاده کنند.تصویر2: هارتانگ سال‌ها با ارگانوئیدهای مغزی کار کرده است.هارتونگ زمانی را یادآوری می‌کند که محققان دیگر از او پرسیدند که آیا ارگانوئیدهایی مغزی می‌توانند فکر کنند یا به هوشیاری برسند؟ این سوال موجب شد تا اطلاعات محیطی و نحوه تعامل با محیط را به ارگانوئیدهای مغزی اضافه کند.هارتانگ، که همچنین مدیر مرکز جایگزین آزمایش حیوانات در اروپا است، گفت: &quot;این موضوع تحقیقاتی می‌تواند نحوه عملکرد مغز انسان را نیز بررسی کند. زیرا می‌توانید این سیستم مشابه مغز را دست‌کاری کنید، کاری که از نظر اخلاقی نمی‌توانید با مغز واقعی انسان انجام دهید.&quot;هارتانگ هوش ارگانوئیدی مغزی را به عنوان «بازتولید عملکردهای شناختی، مانند یادگیری و پردازش حسی، در مدل رشد یافته آزمایشگاهی انسان-مغز» تعریف می‌کند.ارگانوئیدهای مغزی که هارتانگ در حال حاضر از آنها استفاده می‌کند باید برای  هوش ارگانوئیدی رشد یابند و بزرگ شوند. هر ارگانوئید تقریباً همان تعداد سلول‌هایی را دارد که در سیستم عصبی مگس میوه یافت می‌شود. اندازه ارگانوئید منفرد تقریباً یک سوم میلیونم مغز انسان است که معادل حدود ۸۰۰ مگابایت حافظه ذخیره سازی است.وی افزود : این مقادیر برای هوش ارگانوئیدی خیلی کوچک هستند و هرکدام حدود ۵۰۰۰۰ سلول دارند.که باید این تعداد به ۱۰ میلیون افزایش یابد.محققان همچنین به راه‌هایی برای برقراری ارتباط با ارگانوئیدها نیاز دارند تا اطلاعاتی را برای آن‌ها ارسال کنند و بازخوانی‌هایی از آنچه ارگانوئیدها «فکر می‌کنند» دریافت کنند. نویسندگان این مطالعه، طرحی را توسعه داده‌اند که شامل ابزارهایی از مهندسی زیستی و یادگیری ماشین، همراه با نوآوری‌های جدید است. محققان در این مطالعه افزودند که اجازه دادن به انواع مختلف ورودی و خروجی در شبکه‌های ارگانوئیدی، انجام وظایف پیچیده‌تری را ممکن می‌سازد.هارتانگ افزود: «ما دستگاه رابط مغز و کامپیوتر را توسعه دادیم که نوعی کلاهک EEG (الکتروانسفالوگرام) برای ارگانوئیدها است که در مقاله‌ای که در ماه اوت گذشته منتشر شد، ارائه کردیم. این رابط شامل پوسته‌ای انعطاف‌پذیر است که به طور متراکم با الکترودهای کوچک پوشیده شده است. از قابلیت‌های این رابط این است که هم می‌تواند سیگنال‌های ارگانوئید را بگیرد و هم سیگنال‌ها را به آن منتقل کند.هارتانگ امیدوار است روزی کانال ارتباطی سودمند بین هوش مصنوعی و هوش ارگانوئید (OI) ایجاد شود که به این دو امکان می‌دهد توانایی‌های یکدیگر را کشف کنند.راه‌های استفاده از OI (organoid intelligence):به گفته محققان، تاثیرگذارترین سهم هوش ارگانوئید ممکن است در پزشکی انسانی آشکار شود.ارگانوئیدهای مغزی را می‌توان از نمونه‌های پوستی بیماران مبتلا به اختلالات عصبی ایجاد کرد و به دانشمندان این امکان را داد تا چگونگی تأثیر داروهای مختلف و عوامل دیگر را آزمایش کنند.هارتانگ گفت: &quot;با OI، می‌توانیم جنبه‌های شناختی شرایط عصبی را نیز مطالعه کنیم.&quot; به عنوان مثال، می‌توانیم شکل‌گیری حافظه را در ارگانوئیدهای مشتق شده از افراد سالم و بیماران آلزایمر مقایسه کرده و سعی کنیم کمبودهای نسبی را ترمیم کنیم. همچنین می‌توانیم از OI برای آزمایش اینکه آیا برخی از مواد مانند آفت‌کش‌ها باعث ایجاد مشکلات حافظه یا یادگیری می‌شوند، استفاده کنیم.ارگانوئیدهای مغز می‌توانند راه جدیدی برای درک شناخت انسان باز کنند.لنا اسمیرنوا، محقق و نویسنده این مطالعه، استادیار بهداشت محیط و مهندسی جانز هاپکینز، دراین‌باره گفت: &quot; می‌خواهیم ارگانوئیدهای مغزی اهداکنندگان معمولی توسعه‌یافته را با ارگانوئیدهای مغزی اهداکنندگان مبتلا به اوتیسم مقایسه کنیم. ابزارهایی که برای محاسبات بیولوژیکی توسعه می‌دهیم همان ابزارهایی هستند که به ما امکان می‌دهند تا تغییرات در شبکه‌های عصبی ویژه اوتیسم را بدون نیاز به استفاده از حیوانات یا دسترسی به بیماران درک کنیم. بنابراین می‌توانیم مکانیسم‌های اساسی چرایی مشکلات و آسیب‌ها شناخت را در بیماران درک کنیم. ”استفاده از ارگانوئیدهای مغز برای ایجاد هوش ارگانوئید هنوز در مراحل اولیه است. هارتانگ گفت که توسعه OI قابل مقایسه با کامپیوتر با توانایی مغز موش ممکن است چندین دهه طول بکشد.اما در حال حاضر نتایج امیدوارکننده‌ای وجود دارد که آنچه را ممکن است نشان می‌دهد. دکتر برت کاگان، مسئول علمی آزمایشگاه کورتیکال در ملبورن استرالیا و گروهش اخیراً نشان دادند که سلول‌های مغز می‌توانند بازی ویدئویی پنگ، را یاد بگیرند.هارتانگ گفت: &quot;تیم آنها در حال آزمایش این موضوع با ارگانوئیدهایی مغزی هستند و می‌توانم بگویم که تکرار این آزمایش با ارگانوئیدها تعریف اولیه OI را عملی می‌کند. از این به بعد، تنها دلیل ایجاد انجمن، ابزارها و فناوری‌ها برای تحقق پتانسیل کامل هوش ارگانوئید است.&quot;مباحث اخلاق در ارگانوئیدهای مغزساخت ارگانوئیدهای مغز انسان که قادر به عملکردهای شناختی هستند، نگرانی‌های اخلاقی زیادی را ایجاد می‌کند، از جمله اینکه آیا می‌توانند آگاهی ایجاد کنند یا احساس درد کنند، و اگر از سلولهای آنها برای ایجاد آگاهی یا احساس درد استفاده شود، حقوقی در مورد ارگانوئیدها باید باشد یا نه.هارتونگ گفت: &quot;بخش اصلی چشم انداز ما توسعه OI به روشی اخلاقی و اجتماعی است.&quot; &quot;به همین دلیل ، از همان ابتدا با افرادی که در حوزه اخلاق تحقیق می‌کنند همکاری کرده‌ایم تا رویکرد اخلاق مدارانه ایجاد کنیم. با پیشرفت این تحقیق، تمام موضوعات اخلاقی به طور مداوم توسط تیم‌های تشکیل شده از دانشمندان، اخلاق‌گرایان و مردم ارزیابی می‌شود. &quot;کیندرلرر طی یادداشتی افزود: &quot;ما در حال ورود به دنیای جدید هستیم، جایی که رابط بین انسان و سازه‌های انسانی مبهم می‌شود.&quot; &quot;جامعه نمی‌تواند به طور منفعلانه منتظر اکتشافات جدید باشد. جامعه باید در شناسایی و حل معضلات اخلاقی احتمالی نقش داشته و از اینکه هر آزمایشی در محدوده‌های اخلاقی است اطمینان حاصل کند.&quot;گری میلر، معاون استراتژی تحقیق و نوآوری و استاد علوم بهداشت محیط در دانشگاه کلمبیا در شهر نیویورک، در این مورد می‌نویسد:&quot; دیدن توسعه هوش مصنوعی مانند Chatgpt باعث این سؤال شده است که هوش مصنوعی تا چه حد نزدیک به گذراندن آزمون تورینگ شده است&quot;. درحالی‌که ChatGPT می‌تواند به طور موثر اطلاعات را در اینترنت جمع‌آوری کند، نمی‌تواند مانند سیستم سلولی کشت شده به تغییر دما واکنش نشان دهد.تصویر3: روزی می‌توان از شبکه‌های ارگانوئیدهای مغز برای پشتیبانی از رایانه‌های زیستی استفاده کرد.میلر نوشت: «سیستم‌های ارگانوئیدی مغز می‌توانند جنبه‌های کلیدی هوش و احساسات را نشان دهند.»این مستلزم بررسی دقیق پیامدهای اخلاقی این فناوری است، که در آن متخصصان اخلاق باید در این امر مشارکت کنند. باید اطمینان حاصل کنیم که هر مرحله از فرآیند با یکپارچگی علمی انجام می‌شود، درحالی‌که اذعان می‌کنیم که مسئله مهم‌تر تأثیر بالقوه آن بر جامعه است. OI مرز بین شناخت انسان و هوش ماشینی را محو می‌کند و فناوری و زیست‌شناسی با سرعتی در حال پیشرفت هستند که می‌تواند از بحث‌های اخلاقی موردنیاز پیشی بگیرد. این حوزه نوظهور باید رویکردی جدی برای پرداختن به مسائل اخلاقی ناشی از این نوع پیشرفت علمی داشته باشد و باید قبل از رودررویی فناوری با مشکلات اخلاقی این کار را انجام دهد.منبع خبر: https://edition.cnn.com/2023/03/02/world/brain-computer-organoids-scn/index.htmlتهیه شده توسط: گروه تولید محتوا آکادمی کانکتومجستجو و ترجمه خبر: مسلم گنج خانلو (دانش آموخته ارشد علوم شناختی)ویرایش متن: ندا قائمی ( پژوهشگر دکتری علوم اعصاب شناختی)راه های ارتباطی با آکادمی:https://t.me/connectomeacademyhttps://www.instagram.com/connectomeacademy/</description>
                <category>connectomeacademy</category>
                <author>connectomeacademy</author>
                <pubDate>Sat, 23 Dec 2023 11:17:30 +0330</pubDate>
            </item>
                    <item>
                <title>چالش Algonauts: «مغز انسان چگونه صحنه‌های طبیعی را درک می‌کند»</title>
                <link>https://virgool.io/@connectomeacademy/%DA%86%D8%A7%D9%84%D8%B4-algonauts-%D9%85%D8%BA%D8%B2-%D8%A7%D9%86%D8%B3%D8%A7%D9%86-%DA%86%DA%AF%D9%88%D9%86%D9%87-%D8%B5%D8%AD%D9%86%D9%87-%D9%87%D8%A7%DB%8C-%D8%B7%D8%A8%DB%8C%D8%B9%DB%8C-%D8%B1%D8%A7-%D8%AF%D8%B1%DA%A9-%D9%85%DB%8C-%DA%A9%D9%86%D8%AF-jxujmgglszle</link>
                <description>مرز بین دانش‌های هوش مصنوعی و هوش زیستی بیش از هر زمان دیگری در هم آمیخته شده‌اند. از طرفی اصول محاسبات عصبی الهام‌بخش ماشین‌های هوشمند جدید شده است؛ این ماشین‌ها نیز به نوبه خود باعث پیشرفت فهم ما از عملکرد مغز شده‌اند. این پروژه در راستای تشویق تبادل نظر و همکاری بین محققان دو حوزه هوش مصنوعی و هوش زیستی طراحی شده است و از محققان دو حوزه دعوت می‌کند برای توسعه مدل‌های محاسباتی برای بخش بینایی، با استفاده از بزرگ‌ترین و غنی‌ترین بانک داده fMRI مربوط به پاسخ مغز به صحنه‌های طبیعی گرد هم آیند (NSD: Naturel Scenes Dataset) .آلگونوت (Algonauts) یک چالش باز است و نتایج آن به صورت به‌روز از طریق تابلوی امتیازات در اختیار عموم می‌گیرد؛ به عبارتی پس از اضافه شدن هر نتیجه به صورت خودکار به‌روز می‌شود. این ویژگی باعث تسریع در توسعه مدل می‌شود. هدف پروژه Algonauts ارتقای توسعه مدل‌های رمزکننده برای پاسخ عصبی به تحریک دیداری، و ارائه یک سکوی مشترک جهت تسریع همکاری بین دو حوزه هوش زیستی و هوش مصنوعی است. مدل‌های رمزکننده الگوریتم‌هایی هستند که نحوه پاسخ‌دهی مغز به محرک‌های مشخص را پیش‌بینی می‌کنند. در علوم اعصاب بینایی، یک مدل رمزکننده معمولاً از الگوریتمی که پیکسل‌های تصویر را به عنوان ورودی می‌گیرد، به ویژگی‌های یک مدل تبدیل می‌کند و این ویژگی‌ها را به اطلاعات مغز(مثلاً از fMRI ) نگاشت می‌کند، تشکیل شده است. این مراحل به صورت موثری پاسخ‌های عصبی به تصاویر را پیش‌بینی می‌کند.شرکت‌کنندگان در این چالش از تعداد بی‌نظیر داده‌های موجود درNSD  برای ساختن مدل‌های رمزکننده بخش بینایی مغز بهره می‌برند. این پایگاه داده تعداد بیشماری پاسخ باکیفیتfMRI هفت تسلا به 73 هزار صحنه طبیعی را ثبت کرده است (شکل 1a). داده‌ها مربوط به بخش‌هایی از کورتکس بینایی هستند که قوی‌ترین پاسخ را به تحریک‌های دیداری می‌دهند (شکل 1b).کورتکس بینایی به بخش‌های متعددی با عنوانROI (region of interest) تقسیم شده است که ویژگی‌های عملکردی متفاوتی دارند. همراه با داده fMRI اطلاعات نواحی اختصاصی (ROI) مربوط به بینایی نیز ارائه می‌شود. مشارکت‌کنندگان به اختیار خود می‌توانند از این داده‌ها برای ساختن مدل‌های رمزکننده متفاوت برای بخش‌های مختلف کورتکس بینایی استفاده کنند؛ گرچه ارزیابی این مسابقه بر اساس کل نواحی محاسبه می‌شود، نه یک بخش خاص (ROI). جهت کمی‌‌سازی دقت مدل‌های رمزنگاری، شرکت‌کنندگان پیش‌بینی fMRI شان برای تصاویر تستی را ارسال می‌کنند. برای هر نیمکره مغزی هر فرد، ما همبستگی داده پیش‌بینی‌شده برای تمام تصاویر را با داده‌های واقعی محاسبه می‌کنیم (شکل 2).داشتن مدلی که به طور کامل پدیده‌ای را پیش‌بینی کند، لزوماً توضیح‌دهنده خوبی برای آن پدیده نیست؛ گرچه پیش‌بینی و توضیح اهداف مرتبطی هستند که به دلایل زیر مکمل اند:1- توضیح مناسب باید به پیش‌بینی‌های موفق منجر شود.2- دقت در پیش‌بینی ممکن است ویژگی‌هایی را برای ساختن یک مدل‌ موفق آشکار کند؛ به عبارتی به ما اجازه می‌دهد که حدس‌هایی درباره مدل بزنیم و آنها را تست کنیم.3- موفقیت در پیش‌بینی ابزار خوبی برای ارزیابی و کمی‌سازی دست‌یافته‌های کیفی است.جمع‌بندی: (شکل 3) از هوش مصنوعی تا هوش زیستی: طی دهه گذشته، تعامل بین هوش زیستی و هوش مصنوعی به صورت عمیقی اکتشافات علوم اعصاب را تحت تاثیر قرار داده است؛ به عبارتی الگوریتم‌های یادگیری ماشینی و عمیق، مدرن‌ترین ابزار مدل‌سازی مغز بوده‌اند. از هوش زیستی تا هوش مصنوعی: هوش مصنوعی نیز می‌تواند از تعامل با هوش زیستی بهره‌مند شود. سامانه‌های زیستی مثال‌های مفهومی خوبی برای چگونگی حل یک مسئله محاسباتی پیچیده هستند؛ بنابراین می‌توانند به کمک مهندسی مدل‌های جدید هوش مصنوعی بیایند. پروژه Algonauts به پیشرفت‌های جدی در هر دو زمینه فهم مغز از طریق مدل‌های هوش مصنوعی و مهندسی عوامل هوش مصنوعی از طریق شناخت محدودیت‌های هوش زیستی، منجر می‌شود. این پروژه با ترویج همزیستی و تعامل بین هوش مصنوعی و هوش زیستی، به رشد و پرورش این حوزه پژوهشی هیجان‌انگیز کمک خواهد کرد.شکل 1: صحنه‌های طبیعی و نواحی مغز مورد استفاده در چالش Algonauts  شکل 2: نحوه ارزیابی چالش Algonautsشکل 3: خلاصه‌ای از چالش Algonautsمنبع: http://Algonauts.csail.mit.edu/challenge.htmlتهیه شده توسط: گروه تولید محتوا آکادمی کانکتومترجمه و خلاصه‌سازی: شاهین حقی (کارشناس ارشد مهندسی برق-الکترونیک و دانشجوی دکتری علوم اعصاب شناختی)لینک کانال تلگرامی آکادمی: https://t.me/connectomeacademy</description>
                <category>connectomeacademy</category>
                <author>connectomeacademy</author>
                <pubDate>Sun, 05 Nov 2023 19:21:17 +0330</pubDate>
            </item>
                    <item>
                <title>موسیقی و قهوه ممکن است توانایی مغز را تقویت کند</title>
                <link>https://virgool.io/@connectomeacademy/%D9%85%D9%88%D8%B3%DB%8C%D9%82%DB%8C-%D9%88-%D9%82%D9%87%D9%88%D9%87-%D9%85%D9%85%DA%A9%D9%86-%D8%A7%D8%B3%D8%AA-%D8%AA%D9%88%D8%A7%D9%86%D8%A7%DB%8C%DB%8C-%D9%85%D8%BA%D8%B2-%D8%B1%D8%A7-%D8%AA%D9%82%D9%88%DB%8C%D8%AA-%DA%A9%D9%86%D8%AF-drhgcwn8aio9</link>
                <description>این مطالعه نشان می‌دهد که لذت‌های روزمره مانند موسیقی و قهوه می‌توانند عملکرد شناختی را افزایش دهند.این مطالعه با استفاده از تکنولوژی نوآورانه پایش مغز، فعالیت مغز را در طی آزمایش‌های شناختی تحت محرک‌های مختلف از جمله موسیقی، قهوه و عطر بررسی کردند. نتایج نشان داد که آزمودنی‌ها زمانی که به موسیقی گوش می‌دهند یا قهوه می‌نوشند، امواج بتای مغز آنان افزایش می‌یابد که نشان دهنده افزایش عملکرد شناختی آنهاست.نکات اصلی:۱.الگوریتم ‌MINDWATCH  نشان می‌دهد که موسیقی و قهوه می‌توانند انگیختگی مغز را تغییر دهند و عملکرد شناختی را بهبود بخشند.۲.گوش دادن به موسیقی که توسط هوش مصنوعی تولید شده نسبت به محرک‌های دیگر بیشترین عملکرد شناختی را دارد.۳.هدف تکنولوژیMINDWATCH   بررسی انگیختگی شناختی است که در لحظات استرس‌زا، گوش دادن به موسیقی را پیشنهاد می‌کند.گوش دادن به موسیقی و نوشیدن قهوه جزء لذت‌های روزمره است که می‌تواند در کارهایی که نیاز به تمرکز و حافظه دارد بر فعالیت مغز فرد تاثیر بگذارد و عملکرد شناختی را بهبود بخشد.این یافته تازه توسط دانشکده مهندسی Tandon نیویورک انجام شده که الگوریتم ‌‌MINDWATCH‌  را توسعه دادند این الگوریتم  در ۶ سال گذشته توسط Rose Faghih، استادیار مهندسی زیست پزشکی دانشگاه نیویورک Tandon، توسعه یافت. MINDWATCH‌ الگوریتمی که فعالیت مغز افراد رو آنالیز می‌کند این داده‌ها  از دستگاه‌های پوشیدنی که می‌توانند فعالیت الکتریکی سطح پوست(EDA) را ردیابی کنند، جمع آوری شدند. این فعالیت  منعکس کننده تغییرات رسانایی الکتریکی ناشی از استرس عاطفی است که با واکنش ترشح عرق مرتبط است.در مطالعه اخیر MINDWATCH  که در مجله Nature Scientific Reports  منتشر شد، آزمودنی ها از مچ‌بندهای پایش پوست و هدبندهای پایش مغز استفاده کردند و آزمایش‌های شناختی را درحین گوش دادن به موسیقی، نوشیدن قهوه و بوییدن عطرهایی که دوست داشتند انجام دادند. همچنین آنها، آزمایش را بدون هیچ محرکی نیز انجام دادند. الگوریتم MINDWATCH  نشان داد که موسیقی و قهوه انگیختگی مغز افراد را تغییر می دهد و اساسا آن هارا در یک &quot;وضعیت ذهنی&quot; فیزیولوژیکی قرار می دهد که می‌تواند عملکرد آنها را در تسک‌های حافظه فعال تعدیل کند. الگوریتم MINDWATCH  تعیین کرد که محرک‌ها باعث افزایش فعالیت امواج بتا مغزی می‌شوند، وضعیتی که با افزایش عملکرد شناختی رابطه دارد. عطر نسبت به محرک‌های دیگر اثر کمتری داشت پس نیاز است در این مورد مطالعه بیشتری صورت گیرد. Faghih گفت: &quot; این بیماری همه‌گیر بر سلامت روان بسیاری از مردم موثر است و اکنون بیش از هر زمان دیگری نیاز است که تأثیر منفی عوامل استرس‌زای روزمره بر عملکرد شناختی افراد کنترل شود.&quot; در حال حاضر MINDWATCH هنوز در حال توسعه است، اما هدف نهایی  این است که فناوری را تولید کند که به هر فردی اجازه می‌دهد  انگیختگی شناختی مغز خود را در زمان واقعی پایش کند، مثلاً لحظات استرس حاد یا عدم درگیری شناختی را تشخیص دهد. «در آن زمان‌ها، MINDWATCH می‌توانست فرد را به سمت مداخلات ساده و ایمن – شاید گوش دادن به موسیقی – هدایت کند تا بتواند خود را به حالت مغزی برساند که در آن احساس بهتری داشته باشد و وظایف شغلی یا مدرسه را  موفقیت‌تر انجام دهد.»آزمون شناختی مورد استفاده تسک حافظه فعال در این مطالعه تست n-back  است که شامل ارائه محرک‌های متوالی است (در این مورد تصاویر یا صداها) که یکی یکی نشان داده می شوند و از آزمودنی می خواهند که در صورت تشابه هر محرک با محرک قبل و یا در صورت عدم تشابه کلید اختصاص داده شده رو فشار دهند. آزمودنی در واقع باید بررسی کند که آیا محرک ارائه شده فعلی با محرک n  گام قبل از آن مشابه است یا خیر.این آزمون ۳ گام دارد: در back-1، چنانچه محرک نشان داده‌شده با یک محرک قبل از خود مشابه باشد، آزمودنی کلید مشخص‌شده را فشار می‌دهد.  در back-2، چنانچه محرک ارائه‌شده با محرک دو تا ماقبل خود مشابه باشد، آزمودنی کلید مشخص‌شده را فشار می‌دهد. در back-3، چنانچه محرک ارائه‌شده با محرک سه تا ماقبل خود مشابه باشد، آزمودنی کلید مشخص‌شده را فشار می‌دهد. در این آزمایش تست back-3 چالش برانگیزتر بود.محققان ۳ نوع از موسیقی را آزمایش کردند: موسیقی پرانرژی و آرامش بخش آشنا برای آزمودنی، و همچنین موسیقی جدید تولید شده توسط هوش مصنوعی که منعکس کننده ذائقه آزمودنی بود.مطابق با تحقیقات قبلیMINDWATCH  موسیقی پرانرژی آشنا، عملکردهای اجرایی بیشتری نسبت به موسیقی آرامش بخش به همراه داشت اینها با زمان واکنش و پاسخ‌های صحیح اندازه‌گیری می‌شود. در حالی که موسیقی تولید شده توسط هوش مصنوعی بیشترین بازدهی را در بین هر ۳ موسیقی کسب کرد، اگرچه تحقیقات بیشتری برای تایید این نتایج مورد نیاز است.نوشیدن قهوه منجربه افزایش عملکرد شد اما نسبت به موسیقی این عملکرد کمتر است و همچنین عطر کمترین سود را داشت. افزایش عملکرد تحت محرک‌ها در تست‌های back-3 بیشتر بود که نشان می‌دهد زمانی که &quot;بارشناختی&quot; بیشتر باشد، پیشنهاد مداخلات ممکن است عمیق ترین اثر را داشته باشد.آزمایش‌ها مداوم توسط تیمMINDWATCH   که اثربخشی توانایی این فناوری را برای نظارت مداوم فعالیت مغز را تایید کردند. تعیین دسته ای از مداخلات بطور کلی به این معنی نیست که برای همه مفید است.این تحقیق به عنوان بخشی از کارFaghih بر روی پروژه رمز گشایی حالت مغز غیرتهاجمی هوشمند چند وجهی برای معماری های حلقه بسته تطبیقی پوشیدنی (MINDWATCH  ) انجام شد. مجموعه داده‌های متنوع این مطالعه در دسترس محققان است و به محققان اجازه تحقیقات بیشتر برای استفاده از مداخلات ایمن در این مطالعه برای تعدیل حالات شناختی مغز را می دهد.دکتر Faghih به عنوان نویسنده ی ارشد این مقاله است، اولین نویسنده ی آن Hamid Fekri Azgomi است که دکترای خود را زیر نظر Faghih دریافت کرده و اکنون دانشجوی فوق دکترای جراحی مغز واعصاب در دانشکده پزشکی دانشگاه کالیفرنیا سانفرانسیسکو است.تهیه شده توسط گروه تولید محتوا آکادمی کانکتومترجمه متن:فاطمه ذکاییویرایش متن:فاطمه باذلی محبوبلینک خبر:Music and Coffee May Boost Brain Power - Neuroscience News</description>
                <category>connectomeacademy</category>
                <author>connectomeacademy</author>
                <pubDate>Tue, 29 Aug 2023 17:00:29 +0330</pubDate>
            </item>
            </channel>
</rss>