研究者はBrain-Computerインターフェースの改善にGenerative Adversarial Networksを使用する

南カリフォルニア大学（USC）ヴィTERビエンジニアリングスクールの研究者は、障害を持つ人々のためのブレイン・コンピューター・インターフェース（BCIs）を改善するために、生成対抗ネットワーク（GANs）を使用しています。

GANsは、ディープフェイク動画やフォトリアルな人間の顔を作成するためにも使用されます。

研究論文は、Nature Biomedical Engineeringに掲載されました。

BCIsの力

チームは、このアプローチを使用して、AIに合成脳活動データを生成することを教えることができました。そのデータは、スパイク・トレインと呼ばれるニューラル・シグナルとしての形式であり、障害を持つ人々の中でのBCIsを改善するために、機械学習アルゴリズムにフィードできます。

BCIsは、個人の脳シグナルを分析し、ニューラル活動をコマンドに翻訳して、ユーザーがただ思うだけでデジタルデバイスを制御できるようにします。これらのデバイスには、コンピューターカーソルなどのものが含まれ、運動機能障害や麻痺の患者さんの生活の質を向上させることができます。また、ロックイン症候群の患者さんにも利益をもたらすことができます。ロックイン症候群は、患者さんが完全に意識はあるものの、動いたりコミュニケーションしたりできない状態です。

市場には、すでに多種多様なBCIsが存在しています。例えば、脳シグナルを測定するものや、脳組織に埋め込まれるデバイスなどです。この技術は、常に改善され、新しい方法で応用されています。例えば、神経リハビリテーションやうつ病の治療などです。しかし、現実世界で効率的に動作するために、システムを十分に高速化することはまだ難しいです。

BCIsには、巨大な量のニューラルデータと長時間のトレーニング、カリブレーション、学習が必要です。

ローラン・イッティは、コンピューター・サイエンスの教授であり、研究の共同著者です。

「BCIsを動かすアルゴリズムに必要なデータを取得することは、困難で、高価で、または、麻痺した個人が十分に強力な脳シグナルを生成できない場合は、不可能になる可能性があります」とイッティは述べました。

この技術は、ユーザーごとに特化しているため、各個人のためにトレーニングする必要があります。

生成対抗ネットワーク

GANsは、このプロセス全体を改善することができます。なぜなら、GANsは、試行錯誤のプロセスを通じて、無限に新しい画像を生成することができるからです。

イッティの指導を受けるPh.D.の学生であり、研究の第一著者であるシーシャン・ウェンは、GANsと、BCIsのトレーニングデータを生成する可能性を調べてみることにしました。ウェンは、GANsを使用して、実際のものと区別がつかない合成神経学的データを生成することができます。

チームは、実験を行い、1回のセッションで録音されたデータを使用して、ディープラーニング・スパイク・シンセサイザーをトレーニングしました。次に、シンセサイザーを使用して、大量の類似したが、偽のニューラルデータを生成しました。

合成データは、小量の新しい実データと組み合わせてBCIsをトレーニングするために使用されました。このアプローチにより、システムは、従来の方法よりもはるかに速く動作することができました。具体的には、GANによって合成されたニューラルデータは、BCIsの全体的なトレーニング速度を最大20倍まで向上させることができました。

「1分未満の実データと合成データを組み合わせると、20分の実データと同等の効果が得られます」とウェンは述べました。

「これは、AIが思考や動きのレシピを生成するための最初の例です。合成スパイク・トレインの作成を通じて、実際に。 この研究は、BCIsを現実世界で使用するための重要なステップです。」

初期の実験セッションの後、システムは、新しいセッションに適応することができました。ただし、追加のニューラルデータは限られていました。

「ここでの大きな革新は、個人がさまざまな動きを想像しながら、実際にその個人のもののように見える偽のスパイク・トレインを作成することです。次に、このデータを使用して、次の個人の学習を支援することです」とイッティは述べました。

GANによって生成された合成データのこれらの新しい開発は、分野の他の領域でもブレークスルーにつながる可能性があります。

「会社がロボットのスケルトン、ロボット・アーム、またはスピーチ・シンセシス・システムの商業化を開始する準備ができたら、この方法を調べてみるべきです。なぜなら、それがトレーニングと再トレーニングを加速するのに役立つからです。BCIsを改善するためにGANを使用する場合、僕はこれが始まりに過ぎないと思います」とイッティは述べました。