「NIPS 2017」理解大腦如何控制運動，斯坦福用AI技術開發完美骨骼和神經模型

20萬，這是新智元今天達到的用戶總數。在飛向智能宇宙的旅程中，感謝每一位和新智元同行的朋友。您的關注和支持是「新智元號」星艦永不枯竭的燃料。

對控制我們的身體的骨骼、肌肉和神經進行更好的建模可以幫助醫生研究大腦性癱瘓之類的運動障礙。一個新的競賽正在通過眾包的方式尋找這些工具。

計算機生成的骷髏正在進行虛擬的競賽，在虛擬的實驗室中賽跑，跳躍，直到崩潰。與此同時，在現實世界，他們的教練——機器學習和人工智慧的研究者組成的團隊也正在競爭，看誰能將他們的骷髏訓練得最好，以模仿那些複雜的人類運動。也許這些教練是為了獎勵或樂趣去做，但該競賽的發起者有一個偉大的終極目標：為腦癱患者帶來更好的生活。

?ukasz Kidziński 是斯坦福大學生物工程博士後，他想出這個競賽，作為更好地了解腦癱患者對肌肉放鬆手術反應的方式。通常，醫生會採取手術來改善病人的步態，但並不總是奏效。

Kidziński 說：「關鍵的問題是如何預測手術後病人是如何行走的。這是個大問題，而且非常困難。」

建模：一個人的肌肉和四肢如何響應大腦的信號

Kidziński 在 Scott Delp 的實驗室工作，Scott Delp 是生物工程和機械工程教授，研究了數十年人體力學。作為這項工作的一部分，Delp 和他的合作者收集了數百人的走路和跑步時的運動數據和肌肉活動數據。

有了這些數據，Delp，Kidziński 和他們的團隊可以為一個人的肌肉和四肢如何響應大腦的信號建立準確的模型。

但是他們沒法做到的預測人們在手術後如何重新學習走路——因為事實證明，沒有人能夠確定大腦如何控制複雜的過程，例如走路，尤其是在障礙物中穿行，或在手術後重新學習走路。

Delp 說：「雖然我們在構建肌肉、關節和骨骼的計算模型，以及整個系統如何連接（人體構造）方面已經做得很好，但存在一個挑戰，就是理解大腦如何安排和控制這個複雜的動力學系統。」

機器學習，以及各種類型的人工智慧技術，已經成為大腦運動控制系統建模的有用工具，但是在大多數情況下，這些技術的實踐者感興趣的是自動駕駛汽車、玩複雜的遊戲或提供更有效的線上廣告

Delp 表示：「現在舉行這樣一個挑戰賽正是時候。」部分原因是機器學習社區中的一些人正在尋找更有意義的問題來研究，以及生物工程師正在從了解更多機器學習中獲益。Delp說，他的實驗室最成功的模擬人類運動的努力來自表達運動的神經控制的研究，機器學習可以是理解人類如何學習走路的一種有效方式。

NIPS 2017 的5項競賽之一

到現在為止，已經有63支團隊向這個競賽提交了145項想法，這項競賽也是 NIPS 2017 的5項競賽之一。Kidziński 為每個團隊提供人體和虛擬環境的計算機模型，包括樓梯，容易滑倒的地面，等等。除了外部挑戰之外，參賽團隊還需要應對內部的挑戰，比如肌肉虛弱。每個團隊的成績都根據模擬人在給定時間內通過這些障礙的程度進行判斷。

Kidziński 和 Delp 希望有更多的隊伍參加比賽。距離比賽結束還有兩個月的時間，他們希望至少有幾支隊伍能夠克服所有的虛擬障礙。（目前還沒有隊伍實現——最好的隊伍大部分只征服了步行，但沒有能夠嘗試更多的運動）。Kidziński 說，這些挑戰「在計算上非常昂貴」。

從長遠來看，Kidziński 說他希望這項工作不僅能讓腦癱的孩子受益。例如，它可能有助於人們設計更好的校準設備來協助步行或負載行走，或可以使用類似的想法來找到更好的棒球或賽跑技巧。

但是，Kidziński 說，他和他的合作者已經創造出一些重要的東西：一種解決生物力學問題的新方法，即利用虛擬的人在虛擬的環境中研究如何解決問題。

點擊閱讀原文可查看職位詳情，期待你的加入~

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！