باحثون يستخدمون الشبكات التوليدية المعارضة لتحسين واجهات الحاسوب العقلية

الباحثون في جامعة جنوب كاليفورنيا (USC) مدرسة الهندسة فيتربي يستخدمون الشبكات التوليدية المعارضة (GANs) لتحسين واجهات الحاسوب العقلية (BCIs) للأشخاص ذوي الإعاقة.

تستخدم الشبكات التوليدية المعارضة أيضًا لإنشاء فيديوهات ووجوه بشرية واقعية.

نشرت ورقة البحث في Nature Biomedical Engineering.

قوة واجهات الحاسوب العقلية

تمكن الفريق من تعليم الذكاء الاصطناعي لإنشاء بيانات نشاط دماغي اصطناعي من خلال هذا النهج.

تتحليل واجهات الحاسوب العقلية إشارات الدماغ الفردية قبل ترجمة النشاط العصبي إلى أوامر، مما يسمح للمستخدم بالسيطرة على الأجهزة الرقمية بفكرته فقط.

هناك العديد من أنواع واجهات الحاسوب العقلية المتاحة في السوق، مثل تلك التي تقيس إشارات الدماغ والأجهزة التي يتم زرعها في الأنسجة الدماغية.

تتطلب واجهات الحاسوب العقلية كميات هائلة من بيانات الدماغ وفترات تدريب طويلة وتعليم ل理解 مدخلاتها.

لورين إيتي أستاذ علوم الحاسوب وشارك في كتابة البحث.

“الحصول على بيانات كافية للخوارزميات التي تعمل واجهات الحاسوب العقلية يمكن أن يكون صعبًا أو مكلفًا أو حتى مستحيلًا إذا لم يتمكن الأفراد المعاقون من إنتاج إشارات دماغية قوية بدرجة كافية،” قال إيتي.

الشبكات التوليدية المعارضة

يمكن للشبكات التوليدية المعارضة تحسين هذه العملية لأنها قادرة على إنشاء كمية لا حصر لها من الصور الجديدة المماثلة من خلال عملية تجربة وخطأ.

قرر شيكسيان وين، طالب دكتوراه يُشرف عليه إيتي وكاتب رئيسي للدراسة، النظر في الشبكات التوليدية المعارضة وإمكانية استخدامها لإنشاء بيانات تدريب ل واجهات الحاسوب العقلية من خلال إنشاء بيانات عصبية اصطناعية لا يمكن تمييزها عن المكونات الحقيقية.

أجريت تجربة حيث تم تدريب مصنّع شبيه بالدماغ العميق مع جلسة واحدة من البيانات المسجلة من قرد يصل إلى كائن.

استخدم المصنّع لإنشاء كمية كبيرة من بيانات عصبية اصطناعية مماثلة ولكن مزيفة.

تم دمج البيانات الم 합نة مع كميات صغيرة من البيانات الحقيقية الجديدة لتدريب واجهة الحاسوب العقلية.

“أقل من دقيقة من البيانات الحقيقية مع البيانات الاصطناعية يعمل بنفس جودة 20 دقيقة من البيانات الحقيقية،” قال وين.

“هذا هو الأول مرة نرى الذكاء الاصطناعي يولد وصفة للفكر أو الحركة من خلال إنشاء سلاسل عصبية اصطناعية.

بعد الجلسات التجريبية الأولى، تمكنت النظام من التكيف مع الجلسات الجديدة مع كميات محدودة من البيانات العصبية الإضافية.

“هذا هو الابتكار الكبير هنا — إنشاء سلاسل عصبية مزيفة تبدو كما لو أنها تأتي من هذا الشخص أثناء تخيله لحركات مختلفة، ثم استخدام هذه البيانات للمساعدة في التعلم على الشخص التالي،” قال إيتي.

يمكن أن تؤدي هذه التطورات الجديدة مع البيانات الاصطناعية التي تم إنشاؤها بواسطة الشبكات التوليدية المعارضة إلى اختراقات في مجالات أخرى من المجال.

“عندما تكون شركة جاهزة لبدء تسويق هيكل عظمي روبوتي أو ذراع روبوتي أو نظام合成 كلام، يجب أن ينظروا إلى هذه الطريقة، لأنها قد تساعدهم في تسريع التدريب وإعادة التدريب،” قال إيتي.

“فيما يتعلق bằng استخدام الشبكات التوليدية المعارضة لتحسين واجهات الحاسوب العقلية، أعتقد أن هذا هو مجرد البداية.”