Нейросеть способна самостоятельно имитировать аспекты обработки сетчатки.
Исследователи Швейцарского федерального технологического института EPFL разработали подход машинного обучения для сжатия данных изображений с большей точностью, чем методы вычислений без обучения, с применением для имплантатов сетчатки и других сенсорных протезов.
Результаты опубликованы в научном журнале Nature.
Машинное обучение значительно совершенствует нейронные протезы за счет оптимизации понижения разрешения изображения, точного воспроизведения естественных реакций сетчатки и открытия новых возможностей сенсорного кодирования в протезировании.
Основной проблемой разработки более совершенных нейронных протезов является сенсорное кодирование: преобразование информации, полученной датчиками из окружающей среды, в нейронные сигналы, которые могут быть интерпретированы нервной системой. Но поскольку количество электродов в протезе ограничено, воздействие окружающей среды необходимо каким-то образом уменьшить, сохраняя при этом качество данных, передаваемых в мозг.