vedete in questa immagine cosa mi
rispondete lo vedete un cane c’è un
dato nata da qualche parte li in realtà
non c’è nessun d’annata sono macchie
bianche e nere se gli chiedo se vedete
un triangolo bianco dove tutti lo
vedrete in realtà non c’è la vostra di
accortezza la parte più recente del
nostro cervello che fonde il flusso di
informazioni che arriva dagli occhi e
con quello che io vi ho detto dovete
cercare nell’immagine e quindi completa
la percezione in questo caso visiva è
un sottile strato di 2 3 mm attorno al
cervello che con un algoritmo solo
tratta appunto allo stesso modo e crea
le percezioni tattili visive ci porta a
ragionare ci porta ad interagire ed è
strutturata in modo gerarchico quindi lo
vediamo con questo esempio
seguendo il flusso della della luce che
attraverso il nervo ottico arriva alla
zona occipitale del nostro cervello
incontra la prima cortezza 1 e ci sono i
neuroni che elaborano le informazioni
più semplici il loro output sale in q2
e poi da lì in v4 dove vengono
processate le informazioni più
complesse quali quelle del movimento
quindi le percezioni in realtà è il
risultato di due flussi di informazioni
1 dal basso verso l’alto e uno dall’alto
verso il basso quindi l’oggetto della
mia ricerca e il cervello
solo chi lo scoperto tardi quando ho
iniziato il dottorato la scuola
sant’anna di pisa e l’interesse era ed
è ancora per l’interazione uomo
macchina interessavano i robot come i
robot interagiscono con l’uomo
le loro implicazioni mediche soprattutto
e come interagiscono necessariamente con
l’ambiente in cui si muovono prendendo
come sorgente di ispirazione come l’uomo
tradisce con con l’ambiente i sensi
principali per per me erano quindi la
vista e il tatto nei due sensi
esplorativi per eccellenza l’uomo però
è un animale complesso troppo complesso
per essere preso portato i ma in
robotica
allora ho bisogno quindi di modelli più
semplici epa noi vediamo 21 per quanto
riguarda il sistema visivo e uno per
quanto riguarda il sistema tattile hanno
qualcosa in comune la mantide religiosa
e questa talpa si chiama con di lura
cristata o talpa dal muso stellato e lo
scopriamo con un altro esperimento
adesso vi chiedo di chiudere gli occhi e
di mettere di appoggiare la mano destra
sulla sulla nostra gamma senza muoverla
avrete una percezione tattile alcuni
capiranno di che cosa ha fatto il
tessuto altri no
il tutto risulterà più facile se
questa mano cominciato a muoverla e
quindi la vostra percezione tattile si
arricchisce entrambi questi animali per
avere una percezione completano di
dov’è la preda nel caso della mantide
con gli occhi al caso della della talpa
col nasone muovono la mantia di si muove
a destra e sinistra e il naso invece
della talpa dal muso stellato si muove
fatto dire i 22 appendici sensori usate
che vengono mosse dall animale
quindi il mio approccio alla interazione
uomo macchina era ed è quello della
discrezione intelligente
che passa attraverso sistemi per
trasformare le esperienze in memorie
memorie che possono essere interrogate
utilizzate per pianificare il movimento
quindi necessario ex in machine learning
che ho scoperto anch’io un passo alla
volta
questa è un’architettura che va molto
di moda oggi in architettura profonda
organizzata in modo gerarchico e sono
nodi ognuno dei quali ha una si fa un
modello nella parte di mondo a cui è
esposto e passa questo modello ai nodi
superiori vediamo modo semplice come
funziona pensiamo ai nodi cimas più in
basso quelli che sono a contatto con i
sensori per esempio in questo caso con
microfono e quindi riconoscono le
lettere sequenze di lettere dall’origine
alle parole quindi al meglio livello
abbiamo dei nodi che imparano sequenze
di lettere quindi parole le sequenze di
parole sono canzoni
quindi mentre mi trovo all’interno di
una canzone tutta la rete che è
essenzialmente una memoria distribuita
si troverà in uno stato consistente il
nodo in alto sopra dimensione nella
canzone hicks i nodi in basso sapranno
quali parole stanno sentendo perché
sono nella loro memoria e quindi possono
anche dirci se glielo chiediamo quali
sono le prossime parole che noi dobbiamo
aspettarci quindi questa rete è in
grado di apprendere memorizzare e quindi
anche predire quello che sta per
succedere nel momento in cui a
comprensione della situazione
adesso partiamo nel basso livello dei
nodi più a contatto con il mondo fisico
questo è l’argomento del mio dottorato
ed è una era un sistema robotico che
doveva permettere la navigazione
endoscopica all’interno
lo spazio subaracnoideo spinale quindi
è un ambiente liquido tra la più amata
della dura mater a contatto col midollo
popolato di radici nervose ed i vasi
sanguigni come si vedono nell’immagine a
sinistra che devono essere prima di
tutto la bellati si dice quindi
riconosciuti dal sistema e poi evitati
bisogna impedire al chirurgo di colpirli
con la testina dell’endoscopio perché
potrebbero danneggiarsi
in questo caso non c’è nulla che in
vari sono stato io a tecniche di
elaborazione digitale di immagini a dire
a insegnare al sistema questo nervo si
comporta così questa è una lena si
comporta cosa e ho potuto farlo perché
perché l’ambiente è abbastanza
semplice
dal punto di vista anatomico il problema
qui era più di controllo condiviso e
domande anche etiche importanti fino a
che punto il robot deve stare a guardare
fino a che punto può esimersi
dall’intervenire nel caso in cui il
chirurgo stia facendo qualcosa di
potenzialmente pericoloso ho percepito
come pericoloso e se la percezione del
questo è uno dei motivi per cui la
nostra società è piena di robot
industriali che fanno cose meravigliose
in azienda ma ci sono ancora robot
umanoidi in giro per le strade o nelle
nostre case
uno dei motivi è proprio che hanno una
percezione del mondo limitata ancora per
esempio nessuno ha una pelle tattile
degna di questo nome quindi che copre
completamente il robot che nei generi
informazione in real time che permetter
loro modo di sapere se sta colpendo una
persona appunto stai facendo male a
qualcuno
il il tatto è tutt’altro che un
problema senti se questa è la sfida
lanciata dalla toyota al mio blog sempre
sant’anna e la sfida era appunto quella
di riuscire ad afferrare con la mano
robotica senza alcuna programmazione dal
dall’alto o un pezzettino di tofu questo
formaggino viscido giapponese e quindi
la prima cosa da
da bioingegnere questo fatto mi sono
studiata come funziona e alla fisiologia
da ed anatomia del tatto umano quindi ho
scoperto che abbiamo quattro tipi
mercando recettori nella nostra pelle ne
abbiamo tanti si comporta nel mondo
diverso si sono sensibili ed aspetti
diversi della dell’esperienza tattile
però il raid è un modello troppo
complesso quindi torna in gioco la
nostra talpa dal muso stellato farsi
vedere la il suo naso e un’appendice
coperta di tantissimi organi di a reimer
si chiamano sono vendicano recettori
naturali che io ho sostituito ancora un
sensore che avevo a disposizione in
laboratorio in silicio amico fabbricato
non è solo un array scoperto di un pò
libero ha fatto diventare una pelle e ha
fatto in modo che generasse del delle
immagini delle immagini tattili queste
qui poi si poneva il problema di
elaborare queste immagini tattili in un
modo che fosse compatibile non come i 30
40 sensori che avevo a disposizione di
potenzialmente le migliaia di sensori
che compri sono una pelle tattile di un
robot umanoide quindi cercavo un
approccio soft computing che forse
parallelo che proprio non mi potesse
lavorare tutta l’immagine di un colpo
solo e che fosse in grado di generare
delle immagini tattili delle mappe
tattili delle immagini elaborate in cui
ognuna delle quali davano un senso a
quello che i sensori sentiva ma ce n’era
una sensibile che indicava le aree a
contatto stabile
un’altra che indicava le aree che invece
erano soggette a scivolamento un’altra
che indicava quali aree stavano per
essere soggetto scivolamenti e quindi
ero riuscito a salire di un livello
della delle mie piramide quindi ad avere
delle etichette semantiche quindi
contatto sicuro contatto con sicuro poi
stringere la mano e il risultato c’è
stato questo
un filmato della mano robotica che
riesce ad alzare un pezzettino di tofu
in modo sicuro e poi dimostro toccandolo
che è veramente un pezzettino di tofu
in un pezzo di plastica
adesso si dovrebbe vedere il sistema che
fretta eccolo lì bene il movimento
però di questa di questa maniera molto
semplice faceva soltanto apri e chiudi
alza e abbassa e altri quando movimento
comincia ad essere più complesse
esempio un movimento di un essere umano
e voglio analizzarlo ho bisogno di
salire un altro gradino nella piramide e
quindi sviluppare dei nodi che riescano
ad apprendere delle sequenze temporali
molto più lunga in questo caso è stato
chiesto dieci persone nei nostri
laboratori di effettuare la sequenza
yoga del saluto al sole indossando degli
accelerometri wireless
due i polsi e 2 caviglie un ora e l’out
di questi sensori è stato utilizzato
per insegnare ad un algoritmo che ha
imparato tutto da solo qual era la
sequenza di questo saluto al sole il
fatto che questa traiettoria che
rappresenta la memoria di questo nodo
sia chiusa e per il fatto che
l’esercizio è un esercizio periodico
figli la posizione vuole una posizione
12 sono nella stessa
quindi quando poi il
il sistema viene fatto funzionare in
tempo reale con una persona mai vista
prima è in grado di navigare nella
memoria utilizzando i suoi input e
identificare il neurone che volta per
volta è il più attivo e quando
l’europa mentre in alcune disposizioni
della memoria vuol dire che in una
posizione del saluto e qua si vede la
posizione riconosciuta attualmente è la
posizione che il sistema si aspetta di
vedere dopo se la persona sta facendo
l’esercizio in modo in modo corretto
l’immagine che vediamo qui non è
utilizzato in alcun modo per la
classificazione ma soltanto per per
vedere questo è stato portato in un
processore di uno smartphone e
funzionava in real time
a cosa serve tutto ciò abbiamo visto
che per l’interazione uomo macchina ci
sono tre ingredienti fondamentali un
cervello artificiale dei sensori il
movimento ast renderci un attimo abbiamo
bisogno di un’architettura che sia in
grado allo stesso tempo di memorizzare e
di computare diciamo di sensori e di un
loro è un body ma intorno dell’ambiente
accogliendo però tre sfide e sono tre
sfide che fanno la differenza 1 essere
capace di gestire una grande quantità
di dati e come quella che arriva dagli
occhi una belle tattile distribuita o da
degli accelerometri funzionare in real
time e farlo senza aver bisogno di un
data center
per funzionare per esempio utilizzando
uno smartphone con la piattaforma quindi
machine learning da solo l’intelligenza
artificiale non è in grado di risolvere
questo problema occorre un approccio
olistico
credo che tutti i tre gli aspetti
cosa si può fare per esempio nel
momento in cui la capacità di muoversi
viene meno di una persona
abbiamo degli scenari che oggi sono come
questo in alto vediamo una sessione di
riabilitazione di una persona per
esempio un post ictus in una sala
realtà virtuale immersiva c’erano
spunterebbe schermo ci sono dei sistemi
che acquisiscono movimento però vedete
che si trova in una sala attrezzata
proprio per questo poi c’è una mano
prostetica e una mano che recentemente
è stata controllata con il cervello da
un appuntato è però adesso ha bisogno
di un impianto corticale quindi e
pensate a quanto sarebbe meglio se
questa mano potesse da sola a gestire il
tutto il controllo di basso livello
quindi fare tutto quello che serve per
assicurare una presa sicura dell’oggetto
o tante altre attività che normalmente
facciamo come la nostra mano lasciando
alla persona con gli altri adesso il suo
cervello soltanto il controllo
dell’obiettivo di cosa voglio far fare
alla mano ho pensato appunto come
sarebbe bello se tutto quello che serve
per acquisire il movimento analizzarlo e
dare un feedback al paziente potesse
essere ospitato su uno smartphone quello
quello che stiamo facendo qui vediamo
una persona che alcuni accelerometri
wireless attorno a sé sta facendo un
esercizio riabilitativo di questo
esercizio viene analizzato memorizzato
prima sul terapista e poi dalla persona
e lemon astratti in temporanea degli
ulivi degli indici e che vengono
restituiti al paziente in modo da
permettergli di fare un’esperienza di
riabilitazione migliore accorciare i
tempi e migliorare i risultati però
un’altra cosa importante
dei limiti della riabilitazione attuale
sono le attività della vita quotidiana
quando una persona è finito magari dopo
un ictus dopo la riabilitazione
dell’ospedale daprà riabilitazione a
casa entra nella vita di tutti i giorni
fa cosa e spezie spesso in modo
peggiorativo non viene mantenuta la
qualità della riabilitazione
quindi un sistema che da solo riesca a
capire se sto lavando i piatti sì sto
camminando si sto sistemando si stanno
battendo il computer e mi dica che va da
sé dirmi no attento ricordi di stendere
su un braccio a stendere sulla gamba a
tracciare un grande aiuto
oppure se lo stesso esercizio o un altro
esercizio lo faccio con un caschetto in
testa e registro l’attività cerebrale
prima e durante il moto posso
accontentare il sogno e lo stiamo
facendo di svelare quali l alfabeto
invece a livello cerebrale dei comandi
motori delle azioni motorie in modo da
permettere ad una persona che non può
più farlo di comandare un robot una
protesi qualcosa che lo faccia in
sostituzione funzionale vede le sfide
sono sono tante sono rendere questa
intelligenza artificiale e ben
funzionante su piattaforme piccole
permetterle di adattarsi automaticamente
alle singole persone perché ognuno di
noi si muove in modo diverso ognuno di
noi pensa in modo diverso e lo sforzo
per fare il training di queste di queste
protesi deve scendere deve permettere di
rendere queste protesi funzionanti in
modo continuo tutto il giorno di capire
da sole quando è ora di intervenire e
quando no nessuno sfide affascinanti
siamo ben lontani della
raggiungere l’obiettivo questo è il
piccolo gruppo di ricercatori con
l’onore di coordinare insieme i nomi di
altri che ci dona la mano su tematiche
specifiche perché come ho detto prima
l’approccio non può che essere olistico
ci sono compito sanctis ci sono i
matematici ci sono i fisici sono gli
scienziati dei materiali è così e tutto questo va maneggiato con cura
Be First to Comment