科技快讯 | 斯坦福用AI技术开发完美骨骼和神经模型

2017 年 8 月 25 日 德先生

生物工程学家利用AI技术开发出更完美的骨骼、肌肉和神经模型，该技术可更好的进行脑瘫治疗。传统模型可以模拟肌肉和骨骼的运动模型，但脑瘫手术后大脑如何控制行动，如何在术后学习重新走路无法预测。现在AI可作为大脑运动控制系统建模的有效工具。

对控制我们的身体的骨骼、肌肉和神经进行更好的建模可以帮助医生研究大脑性瘫痪之类的运动障碍。一个新的竞赛正在通过众包的方式寻找这些工具。

计算机生成的骷髅正在进行虚拟的竞赛，在虚拟的实验室中赛跑，跳跃，直到崩溃。与此同时，在现实世界，他们的教练——机器学习和人工智能的研究者组成的团队也正在竞争，看谁能将他们的骷髅训练得最好，以模仿那些复杂的人类运动。也许这些教练是为了奖励或乐趣去做，但该竞赛的发起者有一个伟大的终极目标：为脑瘫患者带来更好的生活。

Łukasz Kidziński 是斯坦福大学生物工程博士后，他想出这个竞赛，作为更好地了解脑瘫患者对肌肉放松手术反应的方式。通常，医生会采取手术来改善病人的步态，但并不总是奏效。

Kidziński 说：“关键的问题是如何预测手术后病人是如何行走的。这是个大问题，而且非常困难。”

建模：一个人的肌肉和四肢如何响应大脑的信号

Kidziński 在 Scott Delp 的实验室工作，Scott Delp 是生物工程和机械工程教授，研究了数十年人体力学。作为这项工作的一部分，Delp 和他的合作者收集了数百人的走路和跑步时的运动数据和肌肉活动数据。

有了这些数据，Delp，Kidziński 和他们的团队可以为一个人的肌肉和四肢如何响应大脑的信号建立准确的模型。

但是他们没法做到的预测人们在手术后如何重新学习走路——因为事实证明，没有人能够确定大脑如何控制复杂的过程，例如走路，尤其是在障碍物中穿行，或在手术后重新学习走路。

Delp 说：“虽然我们在构建肌肉、关节和骨骼的计算模型，以及整个系统如何连接（人体构造）方面已经做得很好，但存在一个挑战，就是理解大脑如何安排和控制这个复杂的动力学系统。”

机器学习，以及各种类型的人工智能技术，已经成为大脑运动控制系统建模的有用工具，但是在大多数情况下，这些技术的实践者感兴趣的是自动驾驶汽车、玩复杂的游戏或提供更有效的线上广告。

Delp 表示：“现在举行这样一个挑战赛正是时候。”部分原因是机器学习社区中的一些人正在寻找更有意义的问题来研究，以及生物工程师正在从了解更多机器学习中获益。Delp说，他的实验室最成功的模拟人类运动的努力来自表达运动的神经控制的研究，机器学习可以是理解人类如何学习走路的一种有效方式。

NIPS 2017 的5项竞赛之一

到现在为止，已经有63支团队向这个竞赛提交了145项想法，这项竞赛也是 NIPS 2017 的5项竞赛之一。Kidziński 为每个团队提供人体和虚拟环境的计算机模型，包括楼梯，容易滑倒的地面，等等。除了外部挑战之外，参赛团队还需要应对内部的挑战，比如肌肉虚弱。每个团队的成绩都根据模拟人在给定时间内通过这些障碍的程度进行判断。

Kidziński 和 Delp 希望有更多的队伍参加比赛。距离比赛结束还有两个月的时间，他们希望至少有几支队伍能够克服所有的虚拟障碍。（目前还没有队伍实现——最好的队伍大部分只征服了步行，但没有能够尝试更多的运动）。Kidziński 说，这些挑战“在计算上非常昂贵”。

从长远来看，Kidziński 说他希望这项工作不仅能让脑瘫的孩子受益。例如，它可能有助于人们设计更好的校准设备来协助步行或负载行走，或可以使用类似的想法来找到更好的棒球或赛跑技巧。

但是，Kidziński 说，他和他的合作者已经创造出一些重要的东西：一种解决生物力学问题的新方法，即利用虚拟的人在虚拟的环境中研究如何解决问题。

文章来源：斯坦福

新智元编译

推荐阅读：