DalšíDalší průvodce
Umělá inteligence v plodnosti a výběr embryí IVF
Průmyslová odvětví
PRŮVODCE odvětvími
Umělá inteligence v protetice znamená použití strojového učení k dekódování elektrických signálů ze zbývajících svalů uživatele na pohyby rukou a zápěstí a použití ovladačů řízených senzory k přizpůsobení umělých kolen a kotníků každému kroku.
Je to důležité, protože intuitivnější ovládání může způsobit, že se protéza bude cítit méně jako nástroj a více jako končetina. Současná zařízení stále čelí nespolehlivému signálu, malému hmatu, vysoké ceně a častému opouštění.
Většina bionických paží je myoelektrická. Elektrody na kůži uvnitř zásuvky zachycují malé elektrické signály, nazývané elektromyografie nebo EMG, produkované, když uživatel stahuje svaly ve zbytkové končetině. Po desetiletí bylo ovládání přímé: jeden sval ruku otevřel, druhý ji zavřel a uživatel přepínal mezi funkcemi ruky a zápěstí pomocí společné kontrakce nebo tlačítka. Funguje to, ale je to pomalé a únavné. Rozpoznávání vzorů to změnilo. Namísto čtení jednoho svalu najednou, klasifikátor čte několik elektrod dohromady a učí se, který celkový vzorec odpovídá blízké ruce, rotaci zápěstí nebo odpočinku. Coapt to přinesl do komerčních zbraní na začátku roku 2010. Pomáhá i operace. Cílená svalová reinervace, vyvinutá Toddem Kuikenem a kolegy v Chicagu, přesměrovává nervy, které kdysi sloužily chybějící paži, do zbývajících svalů a vytváří nová signální místa. Ruce s více úchopy, jako jsou Psyonic Ability Hand a paže DEKA LUKE, nabízejí mnoho vzorů úchopu. U nohou inteligence sedí převážně v ovladači. Mikroprocesorová kolena, jako je Ottobock's C-Leg, představená na konci 90. let, měří úhel kolena a zatížení mnohokrát za sekundu a upravují odpor tak, aby koleno zůstalo stabilní na svazích, schodech a klopýtnutí. Poháněná kolena a kotníky přidávají motory. V roce 2024 tým MIT pod vedením Hugha Herra v Nature Medicine uvedl, že lidé, kteří měli chirurgickou techniku zvanou agonista-antagonista myoneurální rozhraní, chodili rychleji a přirozeněji s bionickým kotníkem pod vlastní nervovou kontrolou. Limity jsou skutečné. EMG se mění s potem, únavou, posunem elektrod a polohou paže, takže přesnost laboratoře doma často klesá. Většina zařízení poskytuje malý nebo žádný hmatový pocit, je těžká a drahá a mnoho uživatelů opouští protézy horních končetin. Obvyklá mylná představa je, že bionické končetiny čtou myšlenky přímo. Nejčtenější svaly, ne mozek.
Kontext odvětví určuje, zda nápady AI přežijí kontakt s realitou.
Omezení domény ovlivňují přijatelnou míru chyb a modely dohledu.
Úspěšné nasazení sladí technické možnosti s předními pracovními postupy.
Výzkumné směry zahrnují implantované elektrody, které zaznamenávají čistší signály, osseointegraci, která ukotvuje protézu přímo ke kosti, a senzorickou zpětnou vazbu prostřednictvím nervové stimulace, takže uživatelé mohou cítit sílu úchopu. Chirurgické přístupy, jako je myoneurální rozhraní agonista-antagonista, naznačují, že spárování chirurgického zákroku s lepší kontrolou může zlepšit chůzi, ačkoli studie zatím zahrnují malý počet účastníků. Širší dopad závisí na ceně, pojistném krytí, trvanlivosti a kvalitě montáže, které jsou pro uživatele často důležitější než zvláštní vzory úchopu. Očekávejte postupné zlepšování spolehlivosti a adaptace spíše než náhlý skok do končetin, které plně odpovídají těm přirozeným.
Osoba s amputací pod loktem trénuje systém rozpoznávání vzorů prováděním každého úchopu několikrát, poté paže rozpozná jejich svalové vzorce pro blízkou ruku, otevřenou ruku a otočení zápěstí.
Po cílené operaci svalové reinervace jsou nervy, které kdysi ovládaly ruku, přesměrovány do svalů hrudníku nebo horní části paže, což dává protéze zřetelnější signální místa.
Mikroprocesorové koleno zjistí, že uživatel klopýtl uprostřed kroku, a rychle zvýší odpor, aby se koleno nepodlomilo.
Bionická ruka uživatele funguje na klinice dobře, ale doma v horkém dni špatně čte úchopy, protože pot a posunující se objímka mění svalové signály, takže je překalibrují.
Regulační požadavky mohou zneplatnit jinak silné prototypy.
Historická data mohou zakódovat zaujatost, která poškozuje konkrétní komunity.
Starší systémy mohou vytvářet úzká místa integrace a skryté náklady.
Zapojte odborníky na doménu od rámování problému až po hodnocení.
Před spuštěním navrhněte auditní záznamy a dokumentaci.
Předčasně ověřte dodržování a bezpečnostní závazky.
Zavádění ve fázích s jasnými kritérii zastavení a vrácení.
Free newsletter
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Umělá inteligence v protetice znamená použití strojového učení k dekódování elektrických signálů ze zbývajících svalů uživatele na pohyby rukou a zápěstí a použití ovladačů řízených senzory k přizpůsobení umělých kolen a kotníků každému kroku. Je to důležité, protože intuitivnější ovládání může způsobit, že se protéza bude cítit méně jako nástroj a více jako končetina. Současná zařízení stále čelí nespolehlivému signálu, malému hmatu, vysoké ceně a častému opouštění.
Myoelektrické protézy používají elektrody v objímce ke čtení EMG signálů produkovaných při kontrakci zbytkových svalů.
Přímé ovládání mapuje jednotlivé svaly na jednotlivé akce, zatímco rozpoznávání vzorů se učí vícekanálové vzory, které odpovídají konkrétním pohybům.
TMR přesměrovává nervy do jiných svalů a vytváří nová, odlišná místa EMG signálu pro kontrolu.
Měří úhel a zatížení kolena mnohokrát za sekundu a mění odpor tak, aby koleno zůstalo stabilní.
Tyto faktory posouvají vlastnosti signálu, které se klasifikátor naučil, a snižují přesnost v každodenním životě.
Učte se dál
Pro toto téma bylo vybráno více průvodců
DalšíDalší průvodce
Umělá inteligence v plodnosti a výběr embryí IVF
Průmyslová odvětví