एआर, एक्सआर और मस्तिष्क इंटरफ़ेस
शोधकर्ता मस्तिष्क-कंप्यूटर इंटरफेस में सुधार के लिए जनरेटिव एडवर्सेरियल नेटवर्क का उपयोग करते हैं
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
दक्षिणी कैलिफोर्निया विश्वविद्यालय (यूएससी) विटेरबी स्कूल ऑफ इंजीनियरिंग के शोधकर्ता विकलांग लोगों के लिए मस्तिष्क-कंप्यूटर इंटरफेस (बीसीआई) में सुधार के लिए जनरेटिव एडवर्सेरियल नेटवर्क (जीएएन) का उपयोग कर रहे हैं।
जीएएन का उपयोग डीपफेक वीडियो और फोटो रियलिस्टिक मानव चेहरे बनाने के लिए भी किया जाता है।
शोध पत्र नेचर बायोमेडिकल इंजीनियरिंग में प्रकाशित किया गया था।
बीसीआई की शक्ति
टीम ने इस दृष्टिकोण के माध्यम से एक एआई को सिंथेटिक मस्तिष्क गतिविधि डेटा उत्पन्न करना सिखाया। वह डेटा न्यूरल सिग्नल्स के रूप में है जिसे मशीन लर्निंग अल्गोरिदम में डालकर बीसीआई को विकलांग लोगों के लिए बेहतर बनाया जा सकता है।
बीसीआई एक व्यक्ति के मस्तिष्क संकेतों का विश्लेषण करता है और फिर न्यूरल गतिविधि को कमांड में अनुवादित करता है, जिससे उपयोगकर्ता को केवल अपने विचारों से डिजिटल डिवाइसों को नियंत्रित करने में सक्षम बनाता है। ये डिवाइस, जिनमें कंप्यूटर कर्सर जैसी चीजें शामिल हैं, मोटर डिसफंक्शन या पक्षाघात से पीड़ित रोगियों के जीवन की गुणवत्ता में सुधार कर सकते हैं। वे लॉक्ड-इन सिंड्रोम वाले व्यक्तियों को भी लाभान्वित कर सकते हैं, जो तब होता है जब व्यक्ति पूरी तरह से जागरूक होने के बावजूद हिल या संवाद नहीं कर सकता है।
बाजार में पहले से ही कई प्रकार के बीसीआई हैं, जैसे कि वे जो मस्तिष्क संकेतों को मापते हैं और मस्तिष्क के ऊतकों में लगाए जाने वाले उपकरण। तकनीक लगातार सुधार और नए तरीकों से लागू की जा रही है, जिनमें न्यूरोरिहेबिलिटेशन और अवसाद उपचार शामिल हैं। हालांकि, वास्तविक दुनिया में कुशलता से संचालित करने के लिए प्रणाली को पर्याप्त तेजी से बनाना अभी भी मुश्किल है।
बीसीआई को बड़ी मात्रा में न्यूरल डेटा और लंबे प्रशिक्षण अवधि, कैलिब्रेशन और सीखने की आवश्यकता होती है ताकि वे अपने इनपुट को समझ सकें।
लॉरेंट इत्ती कंप्यूटर विज्ञान के प्रोफेसर और शोध के सह-लेखक हैं।
“बीसीआई को शक्ति देने वाले अल्गोरिदम के लिए पर्याप्त डेटा प्राप्त करना मुश्किल, महंगा या यहां तक कि असंभव हो सकता है यदि पक्षाघात से पीड़ित व्यक्ति पर्याप्त रूप से मजबूत मस्तिष्क संकेत उत्पन्न नहीं कर सकते हैं,” इत्ती ने कहा।
प्रौद्योगिकी उपयोगकर्ता-विशिष्ट है, जिसका अर्थ है कि इसे प्रत्येक व्यक्ति के लिए प्रशिक्षित किया जाना चाहिए।
जनरेटिव एडवर्सेरियल नेटवर्क
जीएएन इस पूरी प्रक्रिया में सुधार कर सकते हैं क्योंकि वे एक परीक्षण और त्रुटि प्रक्रिया के माध्यम से नए, समान छवियों की एक असीमित मात्रा बनाने में सक्षम हैं।
शिक्सियन वेन, इत्ती द्वारा सलाह दी गई एक पीएचडी छात्र और अध्ययन के प्रमुख लेखक, जीएएन और यह संभावना देखने का फैसला किया कि वे बीसीआई के लिए प्रशिक्षण डेटा बनाने के लिए सिंथेटिक तंत्रिका तंत्र डेटा बना सकते हैं जो वास्तविक समकक्ष से अलग नहीं है।
टीम ने एक प्रयोग किया जहां उन्होंने एक गहरे शिक्षित स्पाइक सिंथेसाइज़र को एक सत्र के डेटा के साथ प्रशिक्षित किया जो एक बंदर को एक वस्तु के लिए पहुंचते हुए रिकॉर्ड किया गया था। उन्होंने फिर एक सिंथेसाइज़र का उपयोग करके एक बड़ी मात्रा में समान, लेकिन नकली तंत्रिका तंत्र डेटा बनाया।
सिंथेटिक डेटा को फिर एक बीसीआई को प्रशिक्षित करने के लिए थोड़ी मात्रा में नए वास्तविक डेटा के साथ मिलाया गया। इस दृष्टिकोण के साथ, प्रणाली वर्तमान विधियों की तुलना में बहुत तेजी से चालू हो गई। अधिक विशेष रूप से, जीएएन-सिंथेटिक तंत्रिका तंत्र डेटा ने बीसीआई की समग्र प्रशिक्षण गति में 20 गुना तक सुधार किया।
“वास्तविक डेटा के एक मिनट से कम के साथ सिंथेटिक डेटा काम करता है जो वास्तविक डेटा के 20 मिनट के रूप में अच्छा है,” वेन ने कहा।
“यह पहली बार है जब हमने देखा है कि एआई विचार या आंदोलन के लिए नुस्खा बनाने के लिए सिंथेटिक स्पाइक ट्रेन बनाता है। यह शोध बीसीआई को वास्तविक दुनिया में उपयोग के लिए अधिक उपयुक्त बनाने के लिए एक महत्वपूर्ण कदम है।”
पहले प्रयोगात्मक सत्र के बाद, प्रणाली नए सत्रों के लिए सीमित अतिरिक्त तंत्रिका तंत्र डेटा के साथ अनुकूलित हो गई।
“यह बड़ा नवाचार है – नकली स्पाइक ट्रेन बनाना जो इस व्यक्ति से आते हुए लगता है क्योंकि वे विभिन्न गतिविधियों की कल्पना करते हैं, और फिर इस डेटा का उपयोग अगले व्यक्ति के साथ सीखने में मदद करने के लिए करते हैं,” इत्ती ने कहा।
जीएएन-जनरेटेड सिंथेटिक डेटा के साथ यह नए विकास क्षेत्र के अन्य क्षेत्रों में भी सफलता ला सकते हैं।
“जब एक कंपनी रोबोटिक स्केलेटन, रोबोटिक आर्म या स्पीच सिंथेसिस सिस्टम को व्यावसायिक बनाने के लिए तैयार हो जाती है, तो उन्हें इस विधि पर विचार करना चाहिए, क्योंकि यह उन्हें प्रशिक्षण और पुनः प्रशिक्षण में तेजी लाने में मदद कर सकता है,” इत्ती ने कहा। “बीसीआई में सुधार के लिए जीएएन का उपयोग करने के लिए, मुझे लगता है कि यह केवल शुरुआत है।”
