هوش مصنوعی در علوم اعصاب و علوم شناختی

تعداد بازدید:۱۰۶

 

 

 

هوش مصنوعی، علوم شناختی و علوم اعصاب سه حوزه به هم پیوسته‌ای هستند که پیشرفت در هر یک، موجب توسعه دیگری می‌شود. در دهه‌های اخیر، هم‌افزایی این حوزه‌ها تأثیرات عمیقی بر علوم و فناوری داشته است.

هوش مصنوعی، به‌ویژه در شاخه‌های یادگیری ماشین و یادگیری عمیق، نقش مهمی در درک فرآیندهای شناختی ایفا کرده است. از سوی دیگر، الهام از عملکرد مغز انسان، منجر به توسعه الگوریتم‌هایی شده است که فرایندهای شناختی پیچیده‌ای همچون پردازش زبان طبیعی، تشخیص الگو، تصمیم‌گیری و یادگیری را شبیه‌سازی می‌کنند. این تعامل، که با عنوان هوش مصنوعی عصب‌پایه (NeuroAI) شناخته می‌شود، از طریق تحلیل داده‌های مغزی، مدل‌های یادگیری محاسباتی و مدل‌سازی رفتارهای شناختی، به درک بهتر ذهن انسان و توسعه سیستم‌های هوشمندتر کمک می‌کند.

این ارتباط میان هوش مصنوعی، علوم شناختی و علوم اعصاب، کاربردهای گسترده‌ای در زمینه‌هایی مانند پزشکی، رباتیک، خودکارسازی صنعتی و تحلیل داده‌ها دارد. برای مثال، در پزشکی، مدل‌های هوش مصنوعی به تشخیص و مطالعه بیماری‌های عصبی و روانی مانند آلزایمر، پارکینسون و افسردگی کمک می‌کنند. در رباتیک، سیستم‌های مجهز به یادگیری ماشین و الگوریتم‌های شناختی قادرند وظایف پیچیده‌ای را که پیش‌تر به مداخله انسانی نیاز داشت، انجام دهند.

در نهایت، همگرایی این سه حوزه نه‌تنها به توسعه هوش مصنوعی پیشرفته‌تر و درک عمیق‌تر از مغز انسان منجر می‌شود، بلکه تأثیرات مهمی در بهبود کیفیت زندگی و پیشرفت فناوری خواهد داشت.

 

پروژه‌ها:

 

  1. توسعه واسط‌های مغز-ماشین از منظر نرم‌افزاری و سخت‌افزاری
  2. رباتیک شناختی
  3. علوم اعصاب سیستمی و مدل‌سازی ساختارهای مغزی با بهره‌گیری از الگوریتم‌های هوش مصنوعی
  4. مدل‌سازی شناختی
  5. هوش مصنوعی عصب‌پایه و توسعه الگوریتم‌های الهام‌گرفته از مغز
  6. سلامت دیجیتال و استفاده از فناوری‌های هوشمند و دیجیتال برای توسعه اپلیکیشن‌های شخصی‌سازی‌شده در حوزه سلامت روان و ارتقای شناختی
  7. تحلیل داده‌های مغزی حاصل از روش‌های نگاشت مغز

 

اساتید:

 

  • دکتر مجید نیلی احمدآبادی
  • دکتر بابک نجار اعرابی
  • دکتر هادی مرادی
  • دکتر حسین وهابی
  • دکتر محمدرضا ابوالقاسمی دهاقانی

 

واحدهای همکار:

 

  • گروه‌های سخت‌افزار، نرم‌افزار، کنترل، مهندسی پزشکی و مخابرات
  • دانشکده روانشناسی
  • دانشگاه علوم پزشکی تهران
  • پژوهشگاه علوم شناختی و پژوهشگاه دانش‌های بنیادی
  • پژوهشگاه رویان

 

مقالات برگزیده:

 

  1. Sadeghi, Saeedeh, Hamed Ekhtiari, Bahador Bahrami, and Majid Nili Ahmadabadi. "Metacognitive deficiency in a perceptual but not a memory task in methadone maintenance patients." Scientific reports 7, no. 1 (2017): 7052.
  2. Mahmoodi, Ali, Dan Bang, Majid Nili Ahmadabadi, and Bahador Bahrami. "Learning to make collective decisions: the impact of confidence escalation." PLoS One 8, no. 12 (2013): e81195.
  3. Aghvami, S. Sara, Max Müller, Babak N. Araabi, and Veronica Egger. "Coincidence detection within the excitable rat olfactory bulb granule cell spines." Journal of Neuroscience 39, no. 4 (2019): 584-595.
  4. Fatahi, Somayeh, and Hadi Moradi. "A fuzzy cognitive map model to calculate a user's desirability based on personality in e-learning environments." Computers in Human Behavior 63 (2016): 272-281.
  5. Ajtahed, Simin Sadat, Tara Rezapour, Soraya Etemadi, Hadi Moradi, Mojtaba Habibi Asgarabad, and Hamed Ekhtiari. "Efficacy of neurocognitive rehabilitation after coronary artery bypass graft surgery in improving quality of life: An interventional trial." Frontiers in psychology 10 (2019): 1759.
  6. Golestan, Shadan, Pegah Soleiman, and Hadi Moradi. "Feasibility of using sphero in rehabilitation of children with autism in social and communication skills." In 2017 International Conference on Rehabilitation Robotics (ICORR), pp. 989-994. IEEE, 2017.
  7. Toosi, Ramin, Mohammad Ali Akhaee, and Mohammad-Reza A. Dehaqani. "An automatic spike sorting algorithm based on adaptive spike detection and a mixture of skew-t distributions." Scientific Reports 11, no. 1 (2021): 13925.
  8. Rezayat, Ehsan, Mohammad-Reza A. Dehaqani, Kelsey Clark, Zahra Bahmani, Tirin Moore, and Behrad Noudoost. "Frontotemporal coordination predicts working memory performance and its local neural signatures." Nature communications 12, no. 1 (2021): 1103.
  9. Darjani, Nastaran, Jalaledin Noroozi, and Mohammad-Reza A. Dehaqani. "Unveiling the Content of Frontal Feedback in Challenging Object Recognition." NeuroImage (2025): 121058.
  10. Nouri, Salar, Amirali Soltani Tehrani, Niloufar Faridani, Ramin Toosi, Jalaledin Noroozi, and Mohammad-Reza A. Dehaqani. "Microsaccade selectivity as discriminative feature for object decoding." Iscience 28, no. 1 (2025).
  11. Noroozi, Jalaledin, Ehsan Rezayat, and Mohammad-Reza A. Dehaqani. "Frontotemporal network contribution to occluded face processing." Proceedings of the National Academy of Sciences 121, no. 48 (2024): e2407457121.
  12. Karimani, Farnaz, Afsaneh Asgari Taei, Neda Kaveh, Mohammad Rabiei Ghahfarokhi, Mohammad-Reza Abolghasemi Dehaqani, and Leila Dargahi. "Hippocampal sharp-wave ripples and hippocampal-prefrontal synchrony regulate memory-enhancing effects of intranasal insulin in an STZ-induced Alzheimer's model." Life Sciences 357 (2024): 123094.
  13. Karami, Behnam, Roxana Koushki, Fariba Arabgol, Maryam Rahmani, and Abdol-Hossein Vahabie. "Effectiveness of virtual/augmented reality–based therapeutic interventions on individuals with autism spectrum disorder: a comprehensive meta-analysis." Frontiers in Psychiatry 12 (2021): 665326.
  14. Akbarzadeh-Sherbaf, Kaveh, Behrooz Abdoli, Saeed Safari, and Abdol-Hossein Vahabie. "A scalable FPGA architecture for randomly connected networks of hodgkin-huxley neurons." Frontiers in Neuroscience 12 (2018): 698.
  15. Dehaqani, Mohammad-Reza A., Abdol-Hossein Vahabie, Mohammadbagher Parsa, Behrad Noudoost, and Alireza Soltani. "Selective changes in noise correlations contribute to an enhanced representation of saccadic targets in prefrontal neuronal ensembles." Cerebral Cortex 28, no. 8 (2018): 3046-3063.