Лебедев про мозг

Иммунитет в режиме предсказанияИсследование, опубликованное в Nature Neuroscience, показало, что мозг, реагируя на виртуальную угрозу инфекции в VR, активирует иммунный ответ без реального контакта с патогеном. Участники, наблюдавшие заражённые аватары, демонстрировали активацию зон периперсонального пространства и сети значимости, а также изменения в составе врождённых лимфоидных клеток, схожие с реакцией на вакцину. Это указывает на то, что иммунитет способен предсказывать угрозу, запуская защитные механизмы заранее, что подчёркивает тесную связь между мозгом и иммунной системой. https://t.me/skigeon/196

Large-scale cortical functional networks are organized in structured cycles Мозг выполняет множество когнитивных функций, таких как внимание, память и обработка сенсорной информации, но остаётся неясным, как он обеспечивает их выполнение в разумные сроки. Один из возможных механизмов заключается в том, что каждая функция осуществляется в рамках повторяющегося цикла. В исследовании изучалась временная динамика канонических крупномасштабных кортикальных функциональных сетей, которые, предположительно, лежат в основе когнитивных процессов. Было установлено, что, несмотря на стохастическую природу динамики сетей, общий порядок их активности формирует устойчивый циклический паттерн. Эта циклическая структура группирует состояния с похожими функциями и спектральным содержимым на определённых фазах цикла и происходит на временных масштабах 300–1000 мс. Результаты были подтверждены на пяти больших наборах данных магнитоэнцефалографии. Кроме того, было показано, что метрики, характеризующие силу и скорость цикла, являются наследуемыми и связаны с возрастом, когнитивными способностями и поведенческими характеристиками. Эти данные указывают на то, что активация канонического набора крупномасштабных кортикальных функциональных сетей организована циклически, что обеспечивает периодическую активацию ключевых когнитивных функций. https://www.nature.com/articles/s41593-025-02052-8

Для тех, кому удастся открыть researchgate: https://www.researchgate.net/publication/395320413_Beyond_Traditional_Poincare_Analysis_Second-Order_Plots_Reveal_Respiratory_Effects_in_Heart_Rate_Variability#fullTextFileContent

По крайней мере день будет хорошим. Дальше — неизвестно.

Благодаря глобальному потеплению в Петербурге отличная погода

Decoding phantom limb movements from intraneural recordings Потеря конечности приводит к серьезным сенсомоторным нарушениям и требует использования протезов, особенно у людей с ампутацией нижних конечностей. Хотя прямое считывание сигналов из сохранившихся нервов предоставляет биомиметический подход для эффективного управления протезами, низкая амплитуда и зашумленность этих нейронных сигналов, а также сложность установления надежного интерфейса с нервами препятствовали широкому внедрению этой технологии. Интраневральные многоканальные электроды могут обеспечить эффективное взаимодействие с нервными волокнами, позволяя получать доступ к моторным сигналам даже от мышц, утраченных после ампутации. В данном исследовании были представлены результаты прямой записи нейронной активности у двух пациентов с трансфеморальной ампутацией с использованием трансверсальных интрафасцикулярных многоканальных электродов, имплантированных в большеберцовые нервы. Была зафиксирована многоединичная активность, связанная с волевыми фантомными движениями колена, голеностопа и пальцев стопы, включая сгибание и разгибание, при этом наблюдалась специфичная для суставов и направления нейронная модуляция у обоих участников. Моторные сигналы распределялись по всем электродам, демонстрируя как селективность к отдельным суставам, так и к многосуставным движениям, а также селективность к направлениям сгибания и разгибания конечности. После анализа вызванной нейронной активности была разработана декодирующая система на основе спайковых нейронных сетей, которая превзошла традиционные декодеры движений в предсказании попыток фантомных движений ноги. Точность декодирования дополнительно улучшилась за счет использования более широкой полосы сигналов, которая включала как интраневральную активность, так и межмышечную активность. Сравнение моторных карт (запись сигналов) с сенсорными картами (стимуляция) выявило минимальное пересечение, что указывает на раннее разделение моторных и сенсорных волокон в большеберцовом нерве до уровня бифуркации колена. Результаты исследования демонстрируют возможность записи моторных сигналов и декодирования движений нижних конечностей непосредственно из нервов у людей с ампутацией с использованием интраневральных интерфейсов. Это открывает путь к созданию двунаправленных, нейроуправляемых протезов конечностей, которые сочетают естественное управление с соматосенсорной обратной связью через единый имплантированный интерфейс. https://www.medrxiv.org/content/10.1101/2025.08.21.25333903v1

Что-то я как-то ничего, не понял, хоть это и очень интересно: “The most exciting thing about BCI product design? You’re building alongside the greatest operating system ever built — the brain. A living, adaptive entity that has the power to learn and respond in real time. There’s no interface to click or scroll. Just neural activity to interpret. You’re reshaping brainwaves. Tapping into abstract intention. Reconstructing how the brain communicates, signal by signal. This demands a new design language altogether, interpreting uncertainty, emotion, and intention in real time. It’s a fluid, adaptive interface that evolves with the user, more like a conversation than merely commands.” Попробуем спросить ИИ, что означает сей текст… ИИ понял вот что: Текст, который вы привели, не является полным бредом — он содержит осмысленные идеи, хотя и изложен в весьма поэтической и эмоциональной форме, что может создавать впечатление некоторой абстрактности. Давайте разберем его содержание и оценим смысл с точки зрения нейроинтерфейсов мозг-компьютер (BCI). Основной смысл текста Автор описывает процесс разработки нейроинтерфейсов как уникальный и захватывающий, подчеркивая, что эти технологии взаимодействуют с человеческим мозгом — сложнейшей биологической системой, способной к обучению и адаптации в реальном времени. В отличие от традиционных интерфейсов (например, сенсорных экранов или клавиатур), BCI работают напрямую с нейронной активностью, интерпретируя сигналы мозга, такие как намерения, эмоции или мысли. Это требует нового подхода к дизайну, который учитывает неопределенность и динамичность этих сигналов, а также адаптируется к пользователю, подобно диалогу. Анализ и комментарий 1. Идея о мозге как операционной системе: Утверждение, что мозг — это «величайшая операционная система», метафорично, но имеет смысл. Мозг действительно обрабатывает огромное количество информации, адаптируется к новым условиям и управляет сложными процессами. BCI стремятся «подключиться» к этой системе, чтобы расшифровывать сигналы и переводить их в команды для внешних устройств. Это подчеркивает сложность и уникальность задачи. 2. Отсутствие традиционного интерфейса: Упоминание, что в BCI нет «кнопок для нажатия или прокрутки», точно отражает природу этих технологий. Вместо физического взаимодействия BCI интерпретируют нейронные сигналы, что требует совершенно иного подхода к дизайну. Это действительно вызов, так как нейронная активность не всегда стабильна и однозначна. 3. Интерпретация намерений и эмоций: Упоминание «абстрактных намерений», «эмоций» и «неопределенности» указывает на одну из ключевых проблем BCI: сигналы мозга сложны и многозначны. Например, одно и то же намерение (скажем, желание поднять руку) может сопровождаться разной нейронной активностью в зависимости от контекста, эмоций или усталости. Разработка алгоритмов, способных точно интерпретировать такие сигналы, — это актуальная научная задача. 4. Новый язык дизайна и адаптивность: Идея о необходимости «нового языка дизайна» и «адаптивного интерфейса» имеет под собой основание. BCI должны быть гибкими, чтобы учитывать индивидуальные особенности пользователей и изменения их нейронной активности со временем. Концепция интерфейса как «диалога» подчеркивает, что взаимодействие с BCI — это не просто выполнение команд, а процесс, в котором система и пользователь обучаются друг другу. 5. Поэтичность и преувеличения: Текст использует яркие образы, такие как «переформирование мозговых волн» или «реконструкция общения сигнал за сигналом». Это скорее художественные метафоры, чем точные технические описания. В реальности декодирование нейронных сигналов — это сложный процесс, включающий обработку данных с помощью машинного обучения, а не мистическое «переформирование мозговых волн». Однако такие выражения помогают передать энтузиазм и масштаб задачи. Научная достоверность С научной точки зрения, текст основывается на реальных аспектах работы с BCI.

Современные исследования, такие как упомянутые в вашем предыдущем запросе, подтверждают, что нейронные сигналы, связанные с речью или намерениями, могут быть декодированы, особенно в моторной коре. Например, декодирование воображаемой речи или движений уже демонстрируется в экспериментах с использованием инвазивных методов, таких как многоканальные нейронные записи. Также активно исследуются способы повышения точности и защиты конфиденциальности, как упомянуто в вашем предыдущем запросе. Однако текст несколько преувеличивает эмоциональную и философскую значимость BCI, представляя их как нечто почти магическое. На практике это сложная инженерная и научная задача, связанная с обработкой шумных данных, ограничениями технологий и этическими вопросами, такими как конфиденциальность внутреннего монолога. Вывод Текст не является бредом — он передает реальные идеи о потенциале и вызовах BCI, хотя и в эмоциональной, метафоричной форме. Его смысл заключается в подчеркивании уникальности работы с мозгом как с адаптивной системой и необходимости нового подхода к дизайну интерфейсов. Однако из-за поэтического стиля он может казаться слегка преувеличенным или абстрактным. Для тех, кто знаком с темой, текст скорее вдохновляет, чем предоставляет конкретные технические детали. Если вас интересует более глубокий разбор какого-либо аспекта BCI (например, декодирование сигналов или этические вопросы), дайте знать, и я могу углубиться в детали. https://builtin.com/articles/design-products-brain-computer-interface

Inner speech in motor cortex and implications for speech neuroprostheses Нейроинтерфейсы мозг-компьютер, предназначенные для восстановления коммуникации у людей с параличом, имеют значительный потенциал, но также вызывают дискуссии о возможности декодирования внутреннего монолога, что поднимает вопросы конфиденциальности. Использование внутреннего монолога может позволить обойти текущий подход, при котором пользователи речевых нейроинтерфейсов должны физически пытаться говорить, что утомительно и замедляет процесс коммуникации. С использованием многоканальных записей нейронной активности от четырех участников было установлено, что внутренний монолог четко представлен в моторной коре головного мозга, а воображаемые предложения могут быть декодированы в реальном времени. Представление внутреннего монолога оказалось тесно связанным с попытками речи, однако исследователи также выявили нейронный компонент, названный «моторным намерением», который позволяет различать эти два процесса. Была изучена возможность декодирования конфиденциального внутреннего монолога. Результаты показали, что некоторые аспекты свободного внутреннего монолога могут быть декодированы во время выполнения задач, связанных с последовательным воспроизведением или счетом. В то же время были продемонстрированы высокоточные стратегии, которые предотвращают непреднамеренное декодирование конфиденциального внутреннего монолога речевыми нейроинтерфейсами. https://www.cell.com/cell/fulltext/S0092-8674(25)00681-6?_returnURL=https%3A%2F%2Flinkinghub.elsevier.com%2Fretrieve%2Fpii%2FS0092867425006816%3Fshowall%3Dtrue

Оказывается, Энди Кларк и его подельник Анил Сет все это время кормили нас антипролетарскими фальшивками буржуазной пропаганды. Никакого предсказания перцепций и контролируемых галлюцинаций нет. Sensory responses of visual cortical neurons are not prediction errors Предсказательное кодирование считается универсальным процессом в коре головного мозга, объясняющим реакции на сенсорные стимулы. Согласно этой теории, мозг постоянно прогнозирует сенсорную информацию и накладывает эти прогнозы на низкоуровневые сенсорные области, формируя восприятие и направляя поведение. Исследователи протестировали предсказательное кодирование, используя визуальный тест на выделение редких стимулов у мышей и обезьян. С помощью нейрофизиологии и оптогенетики в различных зрительных областях коры они опровергли идею, что предсказательное кодирование является универсальным процессом во всей неокортексе. Высокопредсказуемые стимулы никогда не «исчезали» из восприятия, а крайне непредсказуемые стимулы не вызывали повсеместных ошибок предсказания. Зрительная сенсорная кора устойчиво реагировала на высокопредсказуемую информацию, но её активность снижалась из-за адаптации, вызванной повторением. Модуляции, основанные на предсказаниях, были ограничены высшими областями коры. Таким образом, зрительная сенсорная обработка преимущественно определяется прямой активацией, а предсказания лишь модулируют сенсорные реакции, но не определяют их. https://www.biorxiv.org/content/10.1101/2024.10.02.616378v3.abstract

https://t.me/anton_philosophy/629 Кстати, я тоже изучал в институте философию. Об этом свидетельствует чудом уцелевшая обложка соответствующей тетрадки.

Полина Кривых опять оказалась полностью права. (Правда, я не берусь судить, в чем.) Но что занятно — это то, что они используют в анализе спектры. https://academic.oup.com/braincomms/article/7/5/fcaf279/8244619?login=false

“Совместные усилия позволили собрать масштабный набор данных: активность 621 733 нейронов из 279 областей мозга.” https://naked-science.ru/article/biology/nejrobiologi-vpervye-sost

Джон Лилли и дельфины

Выложили видео лекции на «Москве-2030» https://moscow2030.mos.ru/events/mikhail_lebedev_lektsiya_neyrointerfeysy_za_60_minut/

Я, кстати, спрашивал наших медиков, хотели бы они, чтобы Илон Маск приехал к ним со своей машинкой для мозга. Они пока что не горят таким желанием. https://t.me/blockchainRF/12112

Искусственный интеллект в борьбе с сомнительными журналами: новые возможности для обеспечения целостности научных исследований Сомнительные журналы представляют угрозу для глобальной целостности научных исследований, однако процесс их ручной проверки остается медленным и недостаточно гибким. В исследовании рассматривается использование искусственного интеллекта для систематического выявления подобных изданий путем анализа дизайна их веб-сайтов, содержания и метаданных публикаций. Метод, протестированный на обширных наборах данных, аннотированных экспертами, демонстрирует высокую практическую точность и позволяет выявить ранее незамеченные признаки, указывающие на легитимность журналов. Благодаря настройке порога принятия решений метод дает возможность выбирать между всесторонним отбором и точной идентификацией с минимальным уровнем ошибок. При сбалансированном подходе было обнаружено более 1000 подозрительных журналов, которые в совокупности публикуют сотни тысяч статей, получают миллионы цитирований, упоминают финансирование от крупных агентств и привлекают авторов из развивающихся стран. Анализ ошибок выявил проблемы, связанные с прекратившими существование изданиями, книжными сериями, ошибочно классифицированными как журналы, а также небольшими общественными изданиями с ограниченным присутствием в интернете. Эти проблемы могут быть устранены за счет повышения качества данных. Результаты исследования подчеркивают потенциал искусственного интеллекта для масштабируемых проверок целостности научных изданий, одновременно указывая на необходимость сочетания автоматизированного анализа с экспертной оценкой.

ИИ ставит нейротехнологии под удар Несмотря на развитие “deeptech” в США, индустрия нейротехнологий оказалась в невыгодном положении из-за ИИ. CMS запустила пилотный проект WISeR для проверки, поможет ли ИИ в автоматическом отклонении заявлений сэкономить средства, сокращая использование имплантированных нейростимуляторов и других услуг, которые могут быть мошенническими, неэффективными или ненужными. Инициатива Центра инноваций Medicare и Medicaid (CMMI) включает проверку 17 услуг, включая 6 нейротехнологических процедур, с использованием ИИ. Врачи получат часть сэкономленных средств от отклоненных заявлений. Срок действия проекта - 6 лет с 1 января 2026 по 31 декабря 2031. Регионы охвата: Нью-Джерси, Огайо, Оклахома, Техас, Аризона, Вашингтон. https://www.forbes.com/sites/naveenrao/2025/08/27/none-the-wiser-new-medicare-ai-leaves-neurotech-in-denial/?utm_source=substack&utm_medium=email

Мышь оказалась не так проста, как мы о ней думали https://naked-science.ru/article/biology/nejrobiologi-vpervye-sost#pid=1