分析了人腦的自發活動，自動編碼器是一種先進的人工智慧形式，可以在我們大腦提供的複雜數據量中感知模式和聯繫，而使用更傳統的方法是無法實現的。這要歸功於他們與埃爾蘭根大學癲癇中心研究人員（演講者： Hajo Hamer 教授、博士）的合作。該中心的癲癇患者在手術切除致癲癇病灶之前會接受植入大腦的電極。研究人員對我們的大腦如何運作有了深入的了解
佛羅裡達州立大學認知計算神經科學小組的研究人員強調了大腦的預測編碼能力，這對於適應性行為至關重要。利用人工智慧和癲癇患者的數據，他們發現自發性的大腦活動在大腦如何在沒有外部刺激的情況下處理資訊方面發揮著至關重要的作用。這些發現可能會改善腦部疾病的診斷和治療方法，並激發模仿大腦功能的人工智慧技術。
預測編碼和大腦功能
一句話中接下來是什麼？接下來我會看 泰國 電話號碼庫 到什麼？當我這樣做時，環境會發生什麼變化？ 當我這樣做時，我的身體會發生什麼？人類的大腦不斷地被各種複雜性和抽象性的層次所佔據，以預測接下來會發生什麼。這被稱為預測編碼，被認為是人類超級器官的主要任務之一，它使適應性行為成為可能，並使我們能夠在周圍環境中找到自己的方位。
FAU 計算機科學 5 模式識別系主任、認知計算神經科學小組的 Patrick Krauss 博士和 Achim Schilling 博士成功地強調了這一廣泛持有的假設，並在他們最近的研究中貢獻了新的發現。神經科學的創新研究
利用由此獲得的特別罕見且因此特別有價值的數據，研究人員做出了一項發現，帶來了突破性的結果：我們大腦中的某些自發性活動，稱為局部場電位事件（LFP） ，能夠給出關於我們的大腦如何運作的決定性指標。即使在沒有外部刺激的情況下，這些自發性訊號似乎在我們的大腦如何處理訊息方面發揮著重要作用。
來自自發性大腦活動的見解
「在我們的研究中，我們意識到我們 根據內容、主題和目標受眾劃分的社群網路類型 的大腦在這些 LFP 定義的活躍狀態中不斷進步。就好像我們的大腦不斷地考慮接下來可能發生的事情的各種選擇，即使我們當時沒有做或感知任何特定的事情，也沒有及時接收到任何外部刺激，」帕特里克·克勞斯博士強調。
「我們也發現，這些 LFP 的形式可以決定大腦內訊息流的方向。這可以讓我們深入了解思想和情感在我們的大腦中是如何處理的，」阿希姆·席林博士補充道。透過人工智慧推進大腦研究
這些發現不僅開闢了新的研究途徑，還可能帶來更好的腦部疾病診斷和治療方法。這些基於人工智慧的方法還可以與正常的腦電圖或腦磁圖測量結合使用，將電極附著在頭骨表面測量大腦活動。
「了解我們的大腦在休息時通常做什麼可以很好地用於診斷目的。如果我們能夠更好地了解大腦如何運作和處理訊息，這將使我們能夠開發出更具體的神經系統疾病診斷和治療方法，」Achim Schilling 博士強調。 “例如，如果大腦進入與外部刺激不相關的狀態，這可能是病理變化的跡象。”
人工智慧和神經科學：協同方法
雖然人工智慧被用作一種工具，但 加拿大數據 兩位 FAU 研究人員的研究結果也可能有助於人工智慧的進一步發展。長期目標：受神經科學啟發的人工智慧能夠持續做出預測，即使它目前沒有處理任何輸入。 「例如，這對於整合到車輛中的人工智慧系統可能特別有用，尤其是在考慮安全時，」Achim Schilling 博士解釋道。
Patrick Krauss 博士繼續說道：“即使交通流量不多且汽車只是在高速公路上直線行駛，人工智能在後台考慮可能發生的交通事故也是有益的。做出反應。”
因此，Patrick Krauss 博士和 Achim Schilling 博士的研究表明，人工智慧和大腦研究之間的協同聯繫能夠擴展認知過程和大腦功能的已知界限，最終導致醫學診斷和治療領域的創新新方法。
技術和大腦研究的日益融合也表明，跨學科方法對於解碼自然界中發現的複雜系統具有決定性的作用。憑藉他們的發現，FAU 研究人員正在更好地了解可能是所有系統中最複雜的系統：人腦。