AR, XR og hjernegrænseflader

Nyt publiceret forskning vil stabilisere hjernen-computer-grænseflader dramatisk

mm
Føj Unite.AI til dine foretrukne kilder på Google

Nyt forskning fra Carnegie Mellon University (CMU) og University of Pittsburgh (Pitt) vil dramatisk forbedre og stabilisere hjernen-computer-grænseflader.

Forskningen blev publiceret i Nature Biomedical Engineering, med titlen “A stabilized brain-computer interface based on neural manifold alignment.”

Hjernen-Computer-Grænseflader (BCI)

Hjernen-computer-grænseflader (BCI) er enheder, der kan give handicappede individer mulighed for at styre proteser, computerkursorer eller andre grænseflader ved hjælp af deres tanker.

En af de største udfordringer ved brug af BCI i en klinisk sammenhæng er, at de neurale optagelser kan være ustabile. Den enkelte, der styrer BCI, kan til sidst miste kontrollen på grund af variationer i signalerne, der optages af BCI.

Når denne tab af kontrol sker, må den enkelte gennemgå en genkalibreringsproces. Den enkelte må gensende forbindelsen mellem deres mentale kommandoer og de opgaver, der udføres, og en anden menneskelig tekniker skal ofte være til stede.

William Bishop er en stipendiat på Janelia Farm Research Campus. Han var tidligere ph.d.-studerende og postdoc på afdelingen for maskinlæring på CMU.

“Forestil dig, hvis hver gang vi ville bruge vores mobiltelefon, vi skulle kalibrere skærmen, så den vidste, hvilken del af skærmen vi pegede på,” siger Bishop. “Den nuværende tilstand af kunst i BCI-teknologi er lidt ligesom det. Bare for at få disse BCI-enheder til at fungere, skal brugerne gennemgå denne hyppige genkalibrering. Så det er ekstremt ubelejligt for brugerne samt for de teknikere, der vedligeholder enhederne.”

Ny Maskinlæringsalgoritme

Forskerne præsenterede en ny maskinlæringsalgoritme, der kan tage højde for de varierende signaler. Den enkelte kan fortsat styre BCI, selv når ustabiliteterne er til stede. Forskerne udviklede denne efter at have fundet, at neural populationaktivitet finder sted i en lavdimensional “neural manifold”.

Alan Degenhart er en postdoc-forsker på afdelingen for elektroteknik og datateknik på CMU.

“Når vi siger ‘stabilisering’, mener vi, at vores neurale signaler er ustabile, muligvis fordi vi optager fra forskellige neuroner over tid,” siger Degenhart. “Vi har fundet en måde at tage forskellige populationer af neuroner over tid og bruge deres information til essentiel at afsløre et fælles billede af den beregning, der foregår i hjernen, og dermed holde BCI kalibreret på trods af neurale ustabiliteter.”

Tidligere Metoder

Tidligere tilgange til selv-genkalibreringsmetoder har også været konfronteret med udfordringer omkring ustabiliteter. I modsætning til andre metoder afhænger denne metode ikke af, at subjektet udfører godt under genkalibreringsprocessen.

Byron Yu er professor i elektroteknik og datateknik samt biomedicinsk ingeniør på CMU.

“Lad os sige, at ustabiliteten var så stor, at subjektet ikke længere kunne styre BCI,” forklarer Yu. “Eksisterende selv-genkalibreringsprocedurer vil sandsynligvis have svært ved at klare sig i den situation, hvorimod vores metode har demonstreret, at den kan i mange tilfælde genskabe fra disse katastrofale ustabiliteter.”

Emily Oby, en postdoc-forsker på neurobiologisk afdeling på Pitt, talte også om problemet med ustabilitet.

“Neurale optagelsesustabiliteter er ikke godt karakteriseret, men det er et meget stort problem,” siger Oby. “Der er ikke meget litteratur, vi kan pege på, men anekdotisk set har mange af laboratorierne, der udfører klinisk forskning med BCI, at tackle dette problem meget ofte. Dette arbejde har potentialet til at betydeligt forbedre den kliniske anvendelighed af BCI og til at stabilisere andre neurale grænseflader.”

Artiklen inkluderer også forfatterne Steve Chase, professor i biomedicinsk ingeniørkunst og Neuroscience Institute på CMU, samt Aaron Batists, associate professor i bioingeniørkunst på Pitt, og Elizabeth Tyler-Kabara, associate professor i neurokirurgi på Pitt.

Forskningen blev finansieret af Craig H Neilsen Foundation, National Institutes of Health, DSF Charitable Foundation, National Science Foundation, PA Dept of Health Research og Simons Foundation.

Alex McFarland er en AI-journalist og forfatter, der udforsker de seneste udviklinger inden for kunstig intelligens. Han har samarbejdet med talrige AI-startups og publikationer verden over.