健忘?科学家想用机器学习+电击实验,帮你增强记忆力

简介:
本文来自AI新媒体量子位(QbitAI)

被遗忘的钥匙、一份重要的文件、怎么也想不起来的密码、迎面走来的熟人叫什么名字……这些记忆都被大脑扔到哪了?你抓了抓脑壳,还是一无所获。

你也很容易遗忘吗?最近,一个脑部电击实验可能是“健忘星球”患者的福音。脑部电击实验?我们来一起看看。

实验过程

为了证实脑部电击对记忆的影响,Michael Kahana和他在宾夕法尼亚大学的同事找到了150名志愿者完成实验。这些志愿者都曾因为治疗癫痫而在大脑皮层植入了电极。这些电极可以记录脑部电信号,并可将外部电流传递至大脑,这正好给了Kahana团队一个探究神经处理过程的机会。

首先,他们准备了记载了很多事项的表格要求志愿者学习,同时记录他们学习和回忆时的脑信号。之后他们用机器学习的方法来分析大脑信号数据,想研究能否来基于实验者的大脑状态,来预测他们是否可以记住更多事项。

随后,Kahana在实验者记忆时为他们大脑输入随机震动。他们发现了电极震动对大脑的影响。

实验结果

他们发现,当大脑信号显示实验者将要忘记事项时,进行电刺激可以使13%的实验者重新想起。当然,时间是个关键因素——当实验者的大脑活动模式显示他们正在进行回忆时进行电击,将使实验者想起的概率降低18%。

自动提醒装置

关于电击是否可以提高记忆力这个问题可谓当前热门,但Kahana的调查结果是最新的。迄今为止,很多研究脑深部刺激和回忆的实验结果是相互矛盾的。“脑部电击实验备受争议,大多数实验的样本数都不够大,像Kahana这么大样本数的实验更具有说服力”,来自伦敦大学的神经科学家Inês Violante评论道。

目前,Kahana在研究可自动加深记忆的装置。“我想建立一个可穿戴装置——当你要遗忘事项时,会自动引发装置对大脑进行电刺激,从而增强记忆力”。

“健忘星球”的患者们,你们未来可能有救了。

本文作者:安妮
原文发布时间:2017-04-21 
相关文章
|
机器学习/深度学习 数据采集 数据可视化
机器学习入门----线性回归实验记录
机器学习入门----线性回归实验记录
114 0
|
机器学习/深度学习 算法 数据可视化
【Python机器学习】实验12 神经网络-感知器
【Python机器学习】实验12 神经网络-感知器
142 0
|
7月前
|
机器学习/深度学习 数据采集 算法
【机器学习】基于机器学习的分类算法对比实验
【机器学习】基于机器学习的分类算法对比实验
141 6
【机器学习】基于机器学习的分类算法对比实验
|
4月前
|
存储 机器学习/深度学习 PyTorch
深入理解GPU内存分配:机器学习工程师的实用指南与实验
给定一个模型架构、数据类型、输入形状和优化器,你能否计算出前向传播和反向传播所需的GPU内存量?
52 0
|
机器学习/深度学习 数据可视化 测试技术
【Python机器学习】实验15 将Lenet5应用于Cifar10数据集1
【Python机器学习】实验15 将Lenet5应用于Cifar10数据集
118 0
【Python机器学习】实验15 将Lenet5应用于Cifar10数据集1
|
机器学习/深度学习 Python
【Python机器学习】实验16 卷积、下采样、经典卷积网络
【Python机器学习】实验16 卷积、下采样、经典卷积网络
83 0
|
机器学习/深度学习 数据可视化 Python
【Python机器学习】实验15 将Lenet5应用于Cifar10数据集3
【Python机器学习】实验15 将Lenet5应用于Cifar10数据集
45 0
|
机器学习/深度学习 Python
【Python机器学习】实验15 将Lenet5应用于Cifar10数据集2
【Python机器学习】实验15 将Lenet5应用于Cifar10数据集
54 0
|
机器学习/深度学习 数据可视化 Python
【Python机器学习】实验14 手写体卷积神经网络2
【Python机器学习】实验14 手写体卷积神经网络2
59 0
|
机器学习/深度学习 数据可视化 Python
【Python机器学习】实验14 手写体卷积神经网络1
【Python机器学习】实验14 手写体卷积神经网络1
124 0
下一篇
DataWorks