Бионические протезы позволяют людям с ампутированными конечностями восстановить часть функций отсутствующей руки, ноги или пальцев. С течением времени бионика становится все совершеннее, соответственно, спектр возможностей протезов расширяется. Тем не менее, пациентам необходим продолжительный адаптационный период для того, чтобы научиться обращаться со своей новой конечностью, это очень непросто.

Помочь, как оказалось , могут технологии машинного обучения. А именно — ИИ, где используется обучение с подкреплением. Новый метод уже был проверен в ходе клинических испытаний. Добровольцем стал человек без ноги (вернее, ее части ниже колена), которую заменили искусственной конечностью.

В обычной ситуации человеку приходится часами тренироваться, чтобы приспособиться к использованию технологичного протеза. Новая модель работает по-другому — в этом случае она адаптируется к владельцу, подстраиваясь под особенности его движений. В этом протезу помогает специализированный алгоритм, управляющий искусственным суставом.

Разработчики говорят, что о внедрении продемонстрированной технологии в медицину говорить еще рано, это было лишь «показательное выступление», позволяющее судить о возможностях машинного обучения в бионическом протезировании. Ученые доказали, что их технология имеет высокий потенциал, так что работы над ней продолжаются.

Результаты работы были опубликованы в авторитетном издании, раздел IEEE Transactions on Cybernetics. Скорее всего, новая технология станет началом для развития целого ряда машинных методов «обучения» бионических протезов. Это позволит сократить затраты времени и средств на подготовку пациентов к работе с обычными протезами, не оснащенными ИИ-ассистентом. Алгоритм позволяет адаптировать протез под практически любые условия, изменения режима его работы осуществляется автоматически, в буквальном смысле на ходу.

Бионическое колено имеет 12 различных параметров работы, которые нужно настраивать. ИИ делает это автоматически, так что вместо нескольких дней адаптации можно говорить о паре часов. В процессе алгоритм начинает «понимать», как взаимодействует человек и электронно-механическая система, после чего идет быстрая подгонка режимов работы последней.

По словам представителя команды разработчиков, Дженни Си, организму достаточно сложно приспособиться к искусственному объекту, внедренного на место недостающей части тела. В этом случае реакция мозга и нервной системы может быть непредсказуемой. Машинное обучение снижает количество и уровень проблем. Конечно, идеальными протезы не являются, но ученые постепенно работают над сближением возможностей и функций органических и механических конечностей.

Искусственный интеллект делает это сближение более быстрым. Разработчики ИИ уже доказали, что он может лучше человека играть во многие игры, которые ранее считались исключительно прерогативой Homo Sapiens. Правда, есть и сложности. Например, технологии машинного обучения должны быть более эффективными, чем в случае обучения игры в го, когда ИИ разбирал миллионы партий, совершенствуя свое искусство. Пациент же не может проводить в лаборатории сотни часов, технология машинного обучения должна выжать максимум из тех нескольких десятков минут взаимодействия с человеком, которые у нее есть.

Кроме того, в лаборатории проводились далеко не все возможные испытания, которые могут быть полезными для обучения. В обычной ситуации пациент с бионическим протезом ноги, не имея никакой поддержки, может упасть. ИИ в этом случае получит ценную информацию, которая позволит в дальнейшем избежать падения. Но исследовали не изучали падения из-за соображений безопасности.

Как бы там ни было, но и первые результаты оказались многообещающими. Технология смогла определить ряд паттернов движения, которые затем использовались для адаптации протеза к своему носителю, причем эту работу удалось выполнить достаточно быстро.

В ближайшем будущем разработчики планируют обучить «бионический ИИ» подниматься и спускаться по лестнице. Кроме того, ученые разрабатывают беспроводную систему — сейчас компьютерный блок протеза объединен с вычислительным центром кабелем, так что мобильной или автономной такую систему назвать нельзя. Если же данные системы будут передаваться по воздуху, это значительно ускорит процесс обмена данными. Сам пациент сможет свободно передвигаться по локациям с различными условиями, а не ходить исключительно на стенде.