Connect with us

Unite.AI

ブレイン・マシン・インターフェース

ブレイン・マシン・インターフェース

2026年3月10日 2026年3月10日
著者 Antoine Tardif, Unite.AIのCEO兼創設者, CEO & Founder of Unite.AI

脳コンピュータインターフェースのブレークスルー：複雑な脳信号の解読
著者 Antoine Tardif, Unite.AIのCEO兼創設者
千葉大学の研究者は、複雑な脳活動を解読するための新しい人工知能フレームワークを開発しました。このフレームワークは、従来の脳コンピュータインターフェース（BCI）よりも高い精度で脳信号を解読できるため、より信頼性の高いBCIの開発に重要なステップとなります。このブレークスルーは、神経疾患を持つ人々が、考えただけでプロテーゼ、車椅子、リハビリロボットなどのデバイスを制御できるようにするための技術の開発を加速する可能性があります。千葉大学大学院工学研究科のChaowen Shen博士とAkio Namiki教授が率いる研究チームは、エンベディング駆動グラフ畳み込みネットワーク（EDGCN）と呼ばれる新しい深層学習アーキテクチャを開発しました。このシステムは、人間が肢体を動かすことを想像したときに発生する複雑な電気信号を解読するために設計されています。脳コンピュータインターフェースとモーターイメージリー脳コンピュータインターフェースは、人間の脳と外部マシン之间のコミュニケーションチャネルを作成することを目的としています。従来のマシン操作と異なり、BCIは筋肉の動きに頼るのではなく、神経信号を解読してデジタルシステムまたは物理デバイスに命令を送信します。BCI研究で最も広く研究されているアプローチの1つは、モーターイメージリー電気生理学（MI-EEG）です。このシステムでは、ユーザーは、手を上げる、物体を握る、歩くなどの動きを想像します。実際の物理的な動きは発生しませんが、脳は想像された動きに関連する独特の電気パターンを生成します。これらの信号は、電気生理学（EEG）を使用してキャプチャできます。EEGは、頭皮に置かれた電極を使用して脳活動を記録する非侵襲性の技術です。EEGは、脳のさまざまな領域における神経活動を表すマルチチャンネル時系列データを提供します。これらの信号を正確に解読することで、コンピューターは神経活動を実行可能な命令に翻訳できます。実践的には、これにより、麻痺または重度の運動障害を持つ個人が、想像した動きだけでアシストテクノロジーを制御できるようになります。しかし、MI-EEG信号を信頼性の高い方法で解読することは、神経テクノロジーで最も難しい課題の1つです。脳信号を解読するのはなぜ難しいのかBCI開発における主な障害は、EEG信号の固有の複雑さにあります。モーターイメージリー信号は、高い空間時間変動性を示します。つまり、信号は脳のさまざまな領域と時間の経過とともに変化します。また、個人間でも、同じ個人の異なるセッション間でも大きく異なります。従来の機械学習モデルは、多くの場合、事前に定義されたグラフ構造や固定パラメータを使用して、脳信号が一貫したパターンで動作することを前提としています。実際、神経信号はよりダイナミックでヘテロジニアスです。以前の方法では、共通空間パターン分析または従来の畳み込みニューラルネットワークなどの手法を使用して、EEG信号から特徴を抽出していました。これらのアプローチは、神経活動のいくつかのパターンを識別できますが、脳領域間の深い相互作用や時間経過に伴うパターンの変化を捉えることができません。したがって、多くのBCIシステムでは、個々のユーザーに合わせてシステムを調整およびトレーニングする必要があります。新しいアプローチ：エンベディング駆動グラフ畳み込みネットワーク千葉大学の研究チームは、これらの課題に対処するために、新しい深層学習フレームワークを開発しました。彼らの解決策であるEDGCNは、EEG信号の空間構造と時間構造を同時にモデル化するために、いくつかの高度な技術を組み合わせています。フレームワークの核心には、エンベディング駆動の融合メカニズムがあり、システムが動的にパラメータを生成して脳信号を解読できるようになります。固定アーキテクチャに頼るのではなく、EDGCNは内部表現を適応させて、主題間および時間経過の変動をよりよく捉えることができます。アーキテクチャには、複数の専門化されたコンポーネントが統合されています：マルチ解像度時間エンベディング（MRTE）このモジュールは、EEG信号をさまざまな時間スケールで分析します。神経信号は急速に変化するため、重要な情報はさまざまな時間解像度で発生する可能性があります。MRTEは、マルチ解像度パワースペクトルパターンから特徴を抽出することで、システムが見逃す可能性のある有意な神経活動を識別できるようにします。構造認識空間エンベディング（SASE）脳信号は孤立していません。さまざまな脳領域は継続的に相互作用しています。SASEメカニズムは、EEG電極間のローカルおよびグローバルな結合構造を組み込むことで、これらの相互作用をモデル化します。これにより、AIは脳をネットワークとして表現できるようになり、独立した信号チャンネルとしてではなくます。ヘテロジニアス認識パラメータ生成EDGCNフレームワークの最も革新的な側面の1つは、エンベディング駆動パラメータバンクからグラフ畳み込みパラメータを動的に生成する能力です。これにより、モデルは各主題の脳信号の独自の特性に適応できます。このプロセスをサポートするために、研究者は、Chebyshevグラフ畳み込みを使用しました。これは、複雑なネットワーク内の関係を効率的にモデル化する技術です。直交制約カーネルさらに、モデルはカーネル内に直交制約を導入して、頑健性を向上させます。これにより、学習された特徴の多様性が促進され、冗長性が軽減され、システムがEEG信号からより豊かな表現を抽出できるようになります。これらのコンポーネントを組み合わせることで、EDGCNは、局所的な神経活動パターンと大規模な脳領域間の相互作用の両方を捉えることができます。結果として、モーターイメージリー信号の解読精度が向上します。パフォーマンス結果研究者は、BCI Competition IVから広く使用されているベンチマークデータセットを使用してEDGCNをテストしました。これは、BCI研究分野の標準的な評価データセットです。モデルは、次の結果を達成しました： 90.14%の分類精度をBCIC-IV-2bデータセットで達成 86.50%の分類精度をBCIC-IV-2aデータセットで達成これらの結果は、複数の既存の最先端の解読方法を上回り、さまざまな主題間での強力な汎化を示しています。重要な点は、システムがクロス主題シナリオで改善された適応性を示したことです。これは、実用的BCI展開の重要な要件です。多くの既存のモデルは、単一のトレーニング済みユーザーに対しては機能しますが、新しい個人の場合に失敗します。EDGCNのエンベディング駆動アーキテクチャは、個々の変異をよりよくモデル化することで、この制限を克服するのに役立ちます。リハビリテーションとアシストテクノロジーへの影響脳信号をより正確に解読する能力は、アシストテクノロジーに大きな影響を及ぼす可能性があります。モーターイメージリーに基づくBCIは、以下のようなアプリケーションに既に使用されています：思考制御車椅子神経プロテーゼリハビリロボット麻痺患者向けコミュニケーションシステム解読精度の向上は、これらのテクノロジーをより信頼性が高く、使いやすいものにすることができます。研究者は、EDGCNのようなシステムが、次のような状態を持つ患者に役立つ可能性があると考えています：脳卒中脊髄損傷筋萎縮性側索硬化症（ALS）その他の神経筋骨格障害信号解釈の信頼性が高まれば、患者は単に想像した動きで神経リハビリテーションデバイスを制御できるようになり、より自然なアシストシステムとの相互作用が可能になるでしょう。Namiki教授によると、モーターイメージリー信号の解読は、単なる技術的な課題ではなく、運動と神経接続性の組織化をよりよく理解する機会でもあります。消費者向け脳コンピュータインターフェースへの道数十年の研究にもかかわらず、ほとんどのBCIシステムはまだ研究室や専門的な臨床環境に留まっています。信頼性、適応性、使いやすさは、より広範な採用の重要な障害です。EDGCNのような進歩は、BCIを消費者向けの神経テクノロジーに近づけるのに役立ちます。システムがヘテロジニアスな脳信号を処理する能力を向上させることで、モデルは、広範なカリブレーションと専門家による調整の必要性を減らします。これは、BCIシステムを研究環境の外で使用できるようにするための重要なステップです。将来の研究は、ポータブルEEGシステムやウェアラブルデバイスへのこれらのAIモデルを統合することに焦点を当てる可能性が高いです。センサーテクノロジーとコンピューティングパワーの向上と組み合わせて、これらのシステムは、よりアクセスしやすく拡張可能な脳マシンインターフェースを可能にするでしょう。より深い人間とマシンの統合への一歩EDGCNの開発は、人工知能と神経科学におけるより広いトレンドを反映しています。つまり、グラフベースのニューラルネットワークを生物システムをモデル化するために使用することが増えています。脳自体が複雑なネットワークとして機能するため、グラフニューラルネットワークはその構造とダイナミクスを表現するための自然な方法を提供します。これらのAIモデルがより洗練されるにつれて、神経活動と認知に関するより深い洞察が解放される可能性があります。最終的に、脳信号の解読の向上は、人間がマシンとよりシームレスに相互作用できる新しいテクノロジーの道を開く可能性があります。進歩が現在のペースで続けば、脳コンピュータインターフェースは、実験研究ツールから、世界中の数百万の人々の独立性とモビリティを回復できる日常のアシストテクノロジーへと移行する可能性があります。
2025年6月27日 2025年6月27日
著者 Salomé Beyer Velez

研究者がAIを利用して脳波で電気車椅子を動かす技術を開発
著者 Salomé Beyer Velez
私が電気車椅子に座ると、研究者は私の頭に電子導電性のヘルメットを被せ、調整してノートパソコンが私の脳波を受信できるようにした。脳波を検出して予測するために、人工知能（AI）を使用し、私は最初に思った通りにアバターを動かす練習をした。つまり、私の考えだけでアバターを動かすことができた。少し練習した後、左手の拳を握ることを考えただけで、アバターが動いた。間違えた場合、たとえばアバターを障害物に向けて動かした場合、研究者はAIの予測と推定技術によって指示が上書きされることを説明した。つまり、AIは私の脳波のパターンを認識し、将来的にアバターを制御するための指示を予測できる。一旦インストルメントが私の脳波でトレーニングされた後、電気車椅子を思った通りに動かすことができた。私は目を閉じて、左手の拳を握ることを想像した。すると、車椅子が左に動いた。私自身は車椅子を必要としないが、AIの支援を受けて車椅子を動かすという経験は、重度の脊髄損傷や多発性硬化症、脳性麻痺、ギラン・バレー症候群などの神経疾患を患っている人々の生活を改善する可能性があることを示唆していた。これらの疾患は、患者を寝たきりさせたり、看護師や家族の介助が必要になることが多い。研究者は、電気車椅子を脳波で動かす技術を開発してきた。2009年、トヨタは脳波で車椅子を動かす技術を発表し、2023年にはイタリアのパドヴァ大学の研究者が完全に麻痺した人々が脳波だけで電気車椅子を動かすことができる技術を開発した。しかし、NTT Researchの研究者によると、脳波は人によって異なり、個人によっても異なることがあり、現行の技術ではこれらの変動に対応することが難しい。NTT Researchは、AI技術を使用して脳波のパターンを認識し、将来的に予測することができるとしている。「私たちの技術は、AIによって継続的に更新されるため、誰に対しても効果的である」と、研究者は述べた。研究者は、光を使用した通信インフラストラクチャーを使用することで、データの転送と処理を高速化することができると説明した。この技術の統合は、よりアクセスしやすい移動ツールの構築を可能にする。このプロジェクトは、障害者の生活を改善し、介護者の負担を軽減する可能性がある。
2024年8月15日 2024年8月15日
著者 Antoine Tardif, Unite.AIのCEO兼創設者, CEO & Founder of Unite.AI

テレパシーの人間とAIのコミュニケーションにおける重要なブレークスルー：MindSpeechはシームレスな思考をテキストに変換する
著者 Antoine Tardif, Unite.AIのCEO兼創設者
人間とAIの相互作用における革命的な飛躍として、MindPortalの科学者は、侵襲的な手順を必要とせずに、継続的な想像されたスピーチを整合されたテキストに変換できる最初のAIモデルであるMindSpeechを開発しました。この進歩は、シームレスで直感的な人間とマシンのコミュニケーションを求める上で重要な里程標です。先駆的な研究：非侵襲的な思考の解読arXivとResearchGateに掲載された研究では、MindSpeechが制御されたテスト条件下で複雑な自由形式の思考をテキストに変換できることを示しています。以前の努力が侵襲的な手術を必要としたり、単純な記憶された口頭的なヒントに限定されていたのとは異なり、この研究は、AIが非侵襲的に脳活動から想像されたスピーチを動的に解釈できることを示しています。研究者は、参加者の脳活動を監視するために、携帯可能な高密度の機能的近赤外分光法（fNIRS）システムを使用しました。参加者は、さまざまなトピックの文章を想像しました。新しいアプローチには、参加者に単語を提示し、それに関連する文章を想像する「ワードクラウド」タスクが含まれていました。このタスクでは、英語で最も頻繁に使用される単語の90％以上をカバーし、参加者ごとに433〜827の文章、平均9.34語の豊富なデータセットを作成しました。高度なAIの活用：Llama2と脳シグナルMindSpeechのAIコンポーネントは、Llama2大規模言語モデル（LLM）によって動作しました。これは、脳シグナル生成の埋め込みによって導かれる高度なテキスト生成ツールです。これらの埋め込みは、脳シグナルとコンテキスト入力テキストを統合することによって作成され、AIが想像されたスピーチから整合されたテキストを生成できるようにしました。BLEU-1やBERT Pスコアなどの重要なメトリックを使用して、AIモデルの精度を評価しました。結果は印象的で、4人の参加者のうち3人でデコーディング精度が有意に改善されたことが示されました。たとえば、参加者1のBLEU-1スコアは、0.265で、ランダム入力では0.224で、p値は0.004で、想像された思考と密接に関連するテキストを生成するための堅牢なパフォーマンスを示しました。脳活動のマッピングとモデルトレーニング研究では、想像されたスピーチに関連する脳活動、特に側頭葉皮質、背外側前頭葉（DLPFC）、および視覚処理領域をマッピングしました。これらの発見は、以前のスピーチエンコードに関する研究と一致し、fNIRSを使用した非侵襲的な脳モニタリングの実現可能性を強調しています。AIモデルのトレーニングには、脳シグナルを埋め込みに変換する複雑なプロセスが含まれていました。これらの埋め込みは、LLMによってテキスト生成を導くために使用され、想像されたスピーチと意味的に類似しているが、言語的に整合性のある文章を生成できるようにしました。シームレスな人間とAIのコミュニケーションへの一歩MindSpeechは、侵襲的な手順を必要とせずに継続的な想像されたスピーチをデコードできることを実証したAI研究における画期的な成果を表しています。この開発は、AIシステムとのより自然で直感的なコミュニケーションへの道を開き、人間がテクノロジーとどのように対話するかを変える可能性があります。この研究の成功は、さらに進歩する可能性も強調しています。技術はまだ広く使用する準備ができていないかもしれませんが、発見は、将来、AIとのテレパシーコミュニケーションが現実になる可能性を示唆しています。影響と将来の研究この研究の影響は広範囲にわたり、コミュニケーション障害を持つ個人の支援技術の強化から、人間とコンピューターの相互作用の新しいフロンティアの開拓まで多岐にわたります。ただし、この研究は、AIモデルの感度と汎用性を向上させ、より幅広いユーザーとアプリケーションに適応させるという課題も指摘しています。将来の研究は、AIアルゴリズムの改良、データセットの拡大、技術のリアルタイムアプリケーションの探求に焦点を当てます。目標は、幅広い思考やアイデアをテキストや他のコミュニケーション形式に変換できる、真正にシームレスで普遍的な脳コンピュータインターフェースを作成することです。結論MindSpeechは、非侵襲的な脳コンピュータインターフェースの驚くべき可能性を示す、人間とAIのコミュニケーションにおける先駆的なブレークスルーです。この会社についてさらに詳しく知りたい読者は、MindPortalのCEO兼共同創設者であるEkram Alamとのインタビューを読む必要があります。ここでは、MindPortalがメンタルプロセスを介して大規模言語モデルとインターフェースする方法について議論しています。
2024年7月23日 2024年7月23日
著者 Dr. Tehseen Zia

読み取ります：AIが脳活動を解析して何を見て聞いているかを再構築する方法
著者 Dr. Tehseen Zia
読心術の概念は、人類を何世紀にもわたって魅了してきました。しかしながら、最近の人工知能（AI）と神経科学の進歩により、この幻想は現実に近づいてきました。脳活動を分析して人間の思考を解釈して解読することを目的とした読心術AIは、現在、重大な影響を及ぼす新興分野として登場しています。この記事では、読心術AIの可能性と課題について探究し、現在の能力と将来の展望について説明します。読心術AIとは何か？読心術AIは、脳活動を分析して人間の思考を解釈して解読することを目的とした新興技術です。人工知能（AI）と神経科学の進歩を活用して、研究者は、人間の脳が生成する複雑な信号を、テキストや画像などの理解可能な情報に翻訳するシステムを開発しています。この能力により、人間の思考や認識を外部の通信デバイスと接続することが可能になり、人間と機械の間の新しい相互作用と理解の可能性が開けられます。AIが脳活動を解析する方法脳活動の解析は、さまざまな種類の脳コンピュータインターフェース（BCIs）を使用して神経信号を収集することから始まります。これには、脳電図（EEG）、機能的磁気共鳴画像法（fMRI）、または脳表面または脳組織内に埋め込まれた電極アレイが含まれます。 EEGは、頭皮にセンサーを配置して脳の電気活動を検出します。 fMRIは、血流の変化を監視して脳活動を測定します。埋め込まれた電極アレイは、脳表面または脳組織内に電極を配置して直接記録します。脳信号を収集した後、AIアルゴリズムがデータを処理してパターンを特定します。これらのアルゴリズムは、検出されたパターンを特定の思考、視覚的認識、または行動にマッピングします。たとえば、視覚的再構築では、AIシステムは、人間が見ている画像に応じて脳波パターンを関連付けることを学習します。関連付けを学習した後、AIは、脳パターンを検出することで、人間が見ているものの画像を生成できます。同様に、思考をテキストに翻訳する場合、AIは、特定の単語または文に関連する脳波を検出して、個人の思考を反映した意味のあるテキストを生成します。事例研究 MinD-Visは、脳活動から視覚イメージを直接解析して再構築するための革新的なAIシステムです。視覚刺激に対する脳活動パターンをfMRIで捕捉し、深層ニューラルネットワークを使用して視覚イメージを再構築します。このシステムは、エンコーダとデコーダの2つの主要コンポーネントで構成されています。エンコーダは、畳み込みニューラルネットワーク（CNN）を使用して視覚刺激を対応する脳活動パターンに翻訳します。デコーダは、これらのパターンを使用して、拡散ベースモデルを使用して高解像度の画像を生成し、元の刺激に近い画像を生成します。最近、ラドバウド大学の研究者は、デコーダの画像再構築能力を大幅に強化しました。彼らは、画像再構築中にシステムが特定の脳領域に焦点を当てるようにするための注目メカニズムを実装しました。この改善により、より正確で正確な視覚表現が可能になりました。 DeWaveは、EEGを使用して脳波から直接無声の思考を翻訳する非侵襲性AIシステムです。特別に設計されたキャップにEEGセンサーを配置して頭皮から電気脳活動を捕捉し、ユーザーが無声でテキストを読むときに脳波を書き言葉に変換します。 DeWaveの核となるのは、広範な脳活動データセットでトレーニングされた深層学習モデルです。これらのモデルは、脳波のパターンを検出して特定の思考、感情、または意図と関連付けます。DeWaveの重要な要素は、独自の符号化技術です。EEG波を特定の単語に基づいてコード化し、コードブック内の単語の近さに基づいて一意のコードに変換します。このプロセスにより、脳波を個人用の辞書に効果的に翻訳します。MinD-Visと同様に、DeWaveもエンコーダ-デコーダモデルを使用します。エンコーダは、BERT（双方向エンコーダー表現からトランスフォーマー）モデルで、EEG波を一意のコードに変換します。デコーダは、GPT（ジェネレーティブ・プレトレーニング・トランスフォーマー）モデルで、これらのコードを単語に変換します。これらのモデルは、脳波パターンを言語に解釈することを学習し、神経解読と人間の思考の理解のギャップを埋めます。読心術AIの現在の状況AIは脳パターンの解析に大きな進歩を遂げてきましたが、まだ真の読心術能力を達成するには遠いところにあります。現在の技術は、制御された環境で特定のタスクまたは思考を解析できますが、リアルタイムで人間の精神状態や活動の広範なスペクトルを完全に捉えることはできません。主な課題は、複雑な精神状態と脳パターンの間の正確な一対一のマッピングを見つけることです。たとえば、さまざまな感覚的認識や微妙な感情的反応に関連する脳活動を区別することはまだ難しいです。現在の脳スキャニング技術は、カーソル制御や物語予測などのタスクに適していますが、人間の思考プロセスのダイナミックで多面的な性質、そしてしばしば潜在的な側面を完全に網羅することはできません。将来の展望と課題読心術AIの潜在的な応用は広範で革命的です。医療分野では、神経学的状態の診断と治療方法を変革し、認知プロセスに関する深い洞察を提供できます。言語障害を持つ人々にとって、この技術は、新しいコミュニケーションの道を開くことができます。さらに、読心術AIは、人間とコンピューターの間の相互作用を再定義し、直感的なインターフェースを提供する可能性があります。しかし、読心術AIの可能性とともに、重大な課題もあります。個人間の脳波パターンの変異性は、汎用的なモデルを開発することを困難にし、個人化されたアプローチと堅牢なデータ処理戦略が必要です。プライバシーと同意に関する倫理的な懸念も重要であり、責任ある使用を確実にするために慎重な検討が必要です。さらに、複雑な思考や認識を正確に解析することは、AIと神経科学の進歩が必要な継続的な課題です。結論読心術AIが現実に近づくにつれて、脳活動を解析して人間の思考を翻訳する能力は、医療を変革することから、言語障害を持つ人々のための新しいコミュニケーションの道を開くことまで、多くの可能性を提供します。ただし、個人間の脳波パターンの変異性や倫理的な懸念などの課題は、慎重に扱い、継続的な革新が必要です。これらの障壁を乗り越えることが、人間の精神を前例のない方法で理解し、関与するための重要なステップになります。
2024年2月14日 2024年2月14日
著者 Dr. Tehseen Zia

モルフェウス-1：人工知能が夢と現実の境界を再定義する
著者 Dr. Tehseen Zia
現代の急速に進化するテクノロジー景観において、現実と想像の境界はますます曖昧になっている。夢を探索し、制御するという概念は、かつては科学フィクション映画のトピックであったが、クリストファー・ノーランの「インセプション」に描かれたように、現実に近づいている。この変化は、プロフェティック社が開発したモルフェウス-1という最先端の人工知能システムによって実現された。夢の神であるモルフェウスにちなんで名付けられたモルフェウス-1は、夢の世界を体験し、影響を与えるために開発された。この記事では、このテクノロジーを調査し、人間の意識を深める上での重要な進歩としてのその重要性を強調する。ルシッド・ドリーミングの科学と可能性ルシッド・ドリーミングは、夢を見ていることを認識し、夢を制御できる状態である。この現象は通常、急速眼球運動睡眠（REM睡眠）の段階で発生し、生きた夢と脳の活動が特徴である。神経科学における科学研究は、ルシッド・ドリーミング中に前頭葉の活動の増加を強調しており、これは自己認識と認知機能におけるこの領域の重要な役割を示唆している。研究は、現実テストや記憶誘発法などのテクニックを開発し、ルシッド・ドリーミングの学習可能性を示唆している。ルシッド・ドリーミングは、科学的好奇心の対象であるだけでなく、心理療法、創造的探索、意識の理解のための潜在的な可能性を持っている。進歩にもかかわらず、ルシッド・ドリーミングの正確なメカニズムと完全な影響は、研究が続けられている分野である。モルフェウス-1とはモルフェウス-1は、REM睡眠を検出して、ルシッド・ドリーミングに関連する脳領域を刺激する空間ターゲットを生成する革新的なAIエージェントである。エージェントは、就寝前に着用できるヘッドセットに組み込まれており、夢の中での認識と夢の探索、制御の機会を提供する。以下は、このテクノロジーの3つの重要なコンポーネントについて説明する。REM睡眠検出REM睡眠を検出するために、モルフェウス-1は、同時EEGとMRI技術の組み合わせを使用して脳活動を監視する。このEEGとMRIの統合は、時間の解像度が高いEEGと空間の解像度が高いMRIの両方を提供し、脳活動のタイミングと位置に関する詳細な洞察を提供する。技術は、脳の電気活動を研究し、構造的または機能的な変化を調べる双方の目的を果たす。ルシッド・ドリーミングの刺激ルシッド・ドリーミングを刺激するために、モルフェウス-1は、経頭部焦点超音波刺激（tFUS）を使用する。これは、脳の特定の領域に焦点を当てた超音波波を使用して、神経活動を調節する非侵襲的な脳刺激技術である。従来の電気または電磁気刺激法と比較して、ミリメートル精度で3次元的に制御可能な焦点超音波波を脳深部に送信できることが特徴である。生成超音波変換器モルフェウス-1システムは、103百万パラメータを備えた先進的なAIアーキテクチャである「生成超音波変換器」を使用する。この変換器は、同時EEGとMRIデータを処理して、tFUSを介したターゲット脳刺激の空間ターゲットを生成するように設計されている。変換器への入力前に、EEGとMRIの両方のデータは、それぞれの埋め込みモデルを使用してベクトルに変換される。変換器のエンコーダはEEGデータを処理し、デコーダはMRI入力を処理する。アテンションメカニズムを通じて、変換器は両方のモダリティからの情報を統合し、空間脳ターゲットの予測を容易にする。モルフェウス-1の潜在的な影響モルフェウス-1の出現は、特に治療、創造性、娯楽の分野で広範な影響を及ぼす。ルシッド・ドリーミングを誘発し、制御するシステムの能力は、PTSDや不安などの症状に対する治療的可能性を持っている。また、夢を制御して創造的なインスピレーションを得ることも可能になる。ただし、同意とプライバシーの問題に関する倫理的な懸念も生じる。人間とテクノロジーの関係の進化は、精神的経験の真正性に関する従来の考え方に挑戦する。モルフェウス-1は、意識をナビゲートし、制御するための将来の可能性を示唆しており、科学的探究は、この革新的な進歩の潜在的な副作用を最適化し、社会的影響を理解するために不可欠である。まとめモルフェウス-1は、プロフェティック社が開発した先進的なAIシステムであり、夢と現実の境界を再定義している。脳状態を監視し、超音波ホログラムを使用してルシッド・ドリーミングを誘発し、制御することを目的としている。治療と創造性の分野で期待されるものの、倫理的な懸念も生じている。モルフェウス-1は、AIが人間の潜在意識と無意識を統合する将来への重要な一歩を表している。
2023年3月27日 2023年3月27日
著者 Alex McFarland

マインド・オーバー・マシーン：人間とデバイスの革命的なインタラクション
著者 Alex McFarland
シドニー工科大学（UTS）の研究者たちは、技術とのやり取りを変える可能性のある画期的な発見をしました。オーストラリア陸軍と国防イノベーション・ハブとの共同研究により、チン・テン・リン教授とフランチェスカ・イアコピ教授は、ロボットやマシンなどのデバイスを思うままに制御できるバイオセンサーを開発しました。この先進的な脳コンピュータインターフェースは、先進的な製造、航空宇宙、ヘルスケアなどの業界を変える可能性があります。この種の技術が広く採用され、発展することができれば、伝統的なインターフェースであるコンソール、キーボード、タッチスクリーン、ハンドジェスチャ認識は時代遅れになる可能性があります。イアコピ教授によると、「ハンズフリー、ボイスフリーの技術は、研究室の外でも、いつでも、どこでも動作します。」グラフェン材料とシリコンの組み合わせこの最先端技術の開発は、グラフェン材料とシリコンの組み合わせによって可能になりました。これにより、研究者たちは腐食、耐久性、皮膚接触抵抗などの問題を克服し、着用可能なドライセンサーを作成することができました。ACS Applied Nano Materials誌に掲載された研究によると、グラフェンセンサーは高導電性、使いやすさ、頑丈さを備えています。六角形のパターンが付いたセンサーは、視覚皮質からの脳波を検出するために頭皮の後部に配置されます。センサーは厳しい条件にも耐えられるため、極限環境での操作にも適しています。ユーザーは、白く点滅する正方形が表示される拡張現実（AR）レンズを着用します。特定の正方形に焦点を合わせると、オペレーターの脳波がバイオセンサーによって検出され、デコーダーによって信号がコマンドに変換されます。オーストラリア陸軍は最近、兵士が脳マシンインターフェースを使用してゴーストロボティクスの四足ロボットを制御する実験を行い、94％の精度でハンズフリーのコマンドを実現しました。「2秒で9つのコマンド」「私たちの技術は、2秒以内に少なくとも9つのコマンドを発行できます。これは、9種類のコマンドがあり、オペレーターがそのうちの1つを選択できることを意味します」とリン教授は説明しています。研究者たちは、身体や環境からのノイズを最小限に抑えて、オペレーターの脳波からの信号をより明確に取得する方法を探究しています。この革新的な技術は、科学界、産業、政府から大きな関心を集める可能性があります。UTSの研究者たちは、脳コンピュータインターフェースシステムの進歩を続けることを希望しています。これにより、人間とマシンのやり取りの新たな時代が到来する可能性があります。デバイスを思うままに制御できるバイオセンサー技術の開発は、多くの分野を変える可能性があります。伝統的なインターフェースの必要性を排除し、ハンズフリー、ボイスフリーの操作を可能にすることで、この技術は障害を持つ人の生活を改善し、先進的な製造、航空宇宙、ヘルスケアなどの業界の効率を高めることができます。継続的な研究とイノベーションにより、技術とのやり取りを変える脳コンピュータインターフェースシステムの進歩が期待できます。can improve the lives of people with disabilities and increase the efficiency of industries such as advanced manufacturing, aerospace, and healthcare. With continued...
2022年4月15日 2022年4月15日
著者 Alex McFarland

脳コンピュータインターフェースの進化：マイクロニードルと柔軟なバックアップ
著者 Alex McFarland
カリフォルニア大学サンディエゴ校のエンジニアリング研究者は、柔軟で成形可能なバックアップと、穿刺マイクロニードルを備えた先進的な脳コンピュータインターフェース（BCI）を発明しました。柔軟なバックアップにより、BCIは脳の複雑な曲面に均一に適合することができ、マイクロニードルを均一に配布することができます。マイクロニードルと柔軟なバックアップこれらのマイクロニードルは、人間の髪の毛の10分の1の太さで、柔軟なバックアップから出てきます。すると、脳組織の表面に穿刺しますが、表面静脈を穿刺しません。マイクロニードルは、皮質の神経細胞からの信号を記録することができます。新しいシステムは、ラットでテストされ、研究結果はAdvanced Functional Materialsに掲載されました。チームは、カリフォルニア大学サンディエゴ校の電気工学教授シャディ・デイエによって率いられ、ボストン大学の生物医学工学教授アンナ・デボルによって率いられた研究者たちで構成されていました。システムは、穿刺針を備えた既存のBCIの金標準である「ユタ・アレイ」と同等の性能を示しました。この標準は、脊髄損傷や脳卒中の患者が、思念でロボット肢や他のデバイスを制御できることを実証しています。新しいBCIの柔軟性と適合性により、脳と電極の間でより密接な接触が実現し、脳活動信号の記録がより良好になります。BCIの構造により、より大きな感知面が可能になり、同時に脳表面のより広い領域を監視することができます。実験では、1,024本のマイクロニードルで構成される穿刺マイクロニードル・アレイが、ラットの脳から正確な刺激によって引き起こされた信号を成功的に記録することができました。これは、現在の技術と比較して、脳の10倍の面積をカバーすることを意味します。柔軟なバックアップを備えたBCIは、従来のガラスバックアップを使用するものよりも薄く軽量です。新しいバックアップは、センサーのアレイが接触する脳組織の刺激を減らすことができます。柔軟なバックアップは透明であるため、研究者は、これを利用して動物モデルを使用した基本的な神経科学研究を行うことができると述べています。ロボットハンドとタクティル・フィードバック研究者は、将来的にBCIを改善するために、大規模な空間カバレッジを備えた穿刺マイクロニードル・アレイが必要になることを述べています。これにより、個人がロボットハンドを使用して、閉ループ・システムでタクティル・フィードバックを利用できるようになります。ロボットハンドのタクティル・センサーは、物体の質感、硬さ、重さを感知することができます。情報を電気的刺激パターンに変換し、体外のBCIに伝達することができます。脳は、これらの電気的信号から直接情報を受け取り、個人が把持を調整することができます。デイエ・ラボは、すでにこれらのアプリケーションに使用できるさまざまな戦術センサーを発明しています。
2021年11月19日 2021年11月19日
著者 Alex McFarland

研究者は脳コンピュータインターフェースの改善にジェネレーティブ・アドバーサリアル・ネットワークを使用する
著者 Alex McFarland
南カリフォルニア大学（USC）ヴィッテリ工学部の研究者は、ジェネレーティブ・アドバーサリアル・ネットワーク（GANs）を使用して、障害を持つ人々のための脳コンピュータインターフェース（BCIs）を改善しています。GANsは、ディープフェイク動画やフォトリアリスティックな人間の顔を作成するためにも使用されています。研究論文は、ネイチャー・バイオメディカル・エンジニアリングに掲載されました。BCI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・シグナルとして表現され、BCIを改善するために機械学習アルゴリズムに使用できます。BCI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変換することで、ユーザーがデジタル・デバイスを思ったまま制御できるようにします。これらのデバイスには、コンピュータのカーソルなどが含まれ、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有益です。ロックイン症候群は、完全に意識が明瞭であるにもかかわらず、患者さんが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、すでにさまざまな種類のBCIがあります。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。BCIには大量のニューラル・データと長時間のトレーニング、キャリブレーション、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。「BCI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い脳シグナルを生成できない場合は、不可能になることがあります」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たもので、各個人のためにトレーニングする必要があります。ジェネレーティブ・アドバーサリアル・ネットワークGANsは、このプロセス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、無限に似た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博士課程の学生であるシクシアン・ウェンは、GANsを調べて、BCIのトレーニング・データを生成する可能性を探ることにしました。ウェンは、GANsを使用して、合成ニューロロジカル・データを生成し、それをBCIのトレーニングに使用することを目指しました。チームは、実験を実施し、1回のセッションで記録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、少量の新しい実データと組み合わせてBCI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高速に動作することができました。具体的には、GANによって生成されたニューラル・データは、BCIの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。「実データ1分未満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が最初に思考や動きのレシピを生成することを見たものです。BCIを現実世界で使用できるものに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、偽のスパイク・トレインを生成し、それを次の人物の学習に使用することです」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。「企業がロボットの骨格、ロボット・アーム、または音声合成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。トレーニングと再トレーニングの高速化に役立つ可能性があるからです」とイッティは述べました。「BCIを改善するためにGANを使用することについては、これは始まりにすぎないと思います」。
2021年8月26日 2021年8月26日
著者 Antoine Tardif, Unite.AIのCEO兼創設者, CEO & Founder of Unite.AI

脳機械インターフェースの未来：共生知能 vs 人間知能
著者 Antoine Tardif, Unite.AIのCEO兼創設者
私たちは、脳機械インターフェース（BMI）を通じての知能増幅について探求し、その重要性と、人間が脳と人工知能（AI）との共生関係を形成することで、人間の知能を超える可能性について考える。BMIを使用する人間は、認知能力の向上と、職場やその他の場面での生産性の向上を体験することができる。知能増幅とは何か？知能増幅の概念は、ウィリアム・ロス・アシュビーの著書「サイバネティックスの紹介」で初めて提案された。この概念は、人間の知能をAIの支援によって強化し、人間の意思決定と情報へのアクセスを改善することを目的としている。しかし、現在の増幅知能は、人間とAIの間のリアルタイムの共生関係を実現するには至っていない。脳機械インターフェース（BMI）が登場し、人間の脳とAIを直接接続することで、知能増幅を実現する可能性が開けられている。 BMIは、人間の脳とAIを直接接続することで、情報へのアクセスと処理を大幅に改善することができる。これにより、人間は、記憶や計算能力が大幅に向上し、情報をより効率的に処理することができるようになる。例えば、人間は、インターネット上の情報に直接アクセスし、AIの支援を受けて、情報を分析し、意思決定を行うことができる。知能増幅はどのように機能するのか？知能増幅は、人間の脳とAIの直接接続を通じて実現される。人間の脳は、パターン認識を通じて、情報を処理し、意思決定を行う。しかし、人間の脳には、限界があり、情報の処理能力が制限される。AIは、人間の脳の限界を補うことができる。AIは、人間の脳と直接接続され、情報を処理し、意思決定を支援することができる。脳機械インターフェースはどこで見つけることができるのか？現在、脳機械インターフェース（BMI）は、まだ初期の段階にある。しかし、エロン・マスクのNeuralinkのような企業が、BMIの開発に着手している。Neuralinkは、人間の脳とコンピュータを直接接続することを目的としている。この技術は、人間の知能を大幅に向上させる可能性がある。増幅共生知能 vs 人間知能将来的に、人間の知能を増幅する技術が発達する可能性がある。しかし、人間の知能を増幅することによって、人間同士の格差が拡大する可能性もある。増幅された人間は、情報をより効率的に処理し、意思決定を行うことができるようになる。しかし、増幅されていない人間は、情報を処理し、意思決定を行うことが困難になる可能性がある。したがって、増幅された人間と増幅されていない人間の間の格差が拡大する可能性がある。しかし、増幅された人間は、情報をより効率的に処理し、意思決定を行うことができるようになる。これにより、人間の知能を増幅する技術は、人間の生活を改善する可能性がある。Neuralinkのような企業が、BMIの開発に着手している。これにより、人間の知能を増幅する技術が発達する可能性がある。しかし、人間の知能を増幅することによって、人間同士の格差が拡大する可能性もある。したがって、増幅された人間と増幅されていない人間の間の格差が拡大する可能性がある。しかし、増幅された人間は、情報をより効率的に処理し、意思決定を行うことができるようになる。これにより、人間の知能を増幅する技術は、人間の生活を改善する可能性がある。Neuralinkのような企業が、BMIの開発に着手している。これにより、人間の知能を増幅する技術が発達する可能性がある。しかし、人間の知能を増幅することによって、人間同士の格差が拡大する可能性もある。したがって、増幅された人間と増幅されていない人間の間の格差が拡大する可能性がある。しかし、増幅された人間は、情報をより効率的に処理し、意思決定を行うことができるようになる。これにより、人間の知能を増幅する技術は、人間の生活を改善する可能性がある。Neuralinkのような企業が、BMIの開発に着手している。これにより、人間の知能を増幅する技術が発達する可能性がある。しかし、人間の知能を増幅することによって、人間同士の格差が拡大する可能性もある。したがって、増幅された人間と増幅されていない人間の間の格差が拡大する可能性がある。しかし、増幅された人間は、情報をより効率的に処理し、意思決定を行うことができるようになる。これにより、人間の知能を増幅する技術は、人間の生活を改善する可能性がある。Neuralinkのような企業が、BMIの開発に着手している。これにより、人間の知能を増幅する技術が発達する可能性がある。しかし、人間の知能を増幅することによって、人間同士の格差が拡大する可能性もある。したがって、増幅された人間と増幅されていない人間の間の格差が拡大する可能性がある。しかし、増幅された人間は、情報をより効率的に処理し、意思決定を行うことができるようになる。これにより、人間の知能を増幅する技術は、人間の生活を改善する可能性がある。記憶喪失聴覚障害視覚障害麻痺うつ病不眠症激痛けいれん不安症中毒脳卒中脳損傷 Neuralinkの長期的な目標は、人間とAIの間の高帯域幅インターフェースを作成することである。これにより、人間の知能を増幅する技術が発達する可能性がある。しかし、人間の知能を増幅することによって、人間同士の格差が拡大する可能性もある。したがって、増幅された人間と増幅されていない人間の間の格差が拡大する可能性がある。しかし、増幅された人間は、情報をより効率的に処理し、意思決定を行うことができるようになる。これにより、人間の知能を増幅する技術は、人間の生活を改善する可能性がある。Neuralinkのような企業が、BMIの開発に着手している。これにより、人間の知能を増幅する技術が発達する可能性がある。しかし、人間の知能を増幅することによって、人間同士の格差が拡大する可能性もある。したがって、増幅された人間と増幅されていない人間の間の格差が拡大する可能性がある。しかし、増幅された人間は、情報をより効率的に処理し、意思決定を行うことができるようになる。これにより、人間の知能を増幅する技術は、人間の生活を改善する可能性がある。Neuralinkのような企業が、BMIの開発に着手している。これにより、人間の知能を増幅する技術が発達する可能性がある。しかし、人間の知能を増幅することによって、人間同士の格差が拡大する可能性もある。したがって、増幅された人間と増幅されていない人間の間の格差が拡大する可能性がある。しかし、増幅された人間は、情報をより効率的に処理し、意思決定を行うことができるようになる。これにより、人間の知能を増幅する技術は、人間の生活を改善する可能性がある。Neuralinkのような企業が、BMIの開発に着手している。これにより、人間の知能を増幅する技術が発達する可能性がある。しかし、人間の知能を増幅することによって、人間同士の格差が拡大する可能性もある。したがって、増幅された人間と増幅されていない人間の間の格差が拡大する可能性がある。しかし、増幅された人間は、情報をより効率的に処理し、意思決定を行うことができるようになる。これにより、人間の知能を増幅する技術は、人間の生活を改善する可能性がある。Neuralinkのような企業が、BMIの開発に着手している。これにより、人間の知能を増幅する技術が発達する可能性がある。しかし、人間の知能を増幅することによって、人間同士の格差が拡大する可能性もある。したがって、増幅された人間と増幅されていない人間の間の格差が拡大する可能性がある。しかし、増幅された人間は、情報をより効率的に処理し、意思決定を行うことができるようになる。これにより、人間の知能を増幅する技術は、人間の生活を改善する可能性がある。Neuralinkのような企業が、BMIの開発に着手している。これにより、人間の知能を増幅する技術が発達する可能性がある。しかし、人間の知能を増幅することによって、人間同士の格差が拡大する可能性もある。したがって、増幅された人間と増幅されていない人間の間の格差が拡大する可能性がある。しかし、増幅された人間は、情報をより効率的に処理し、意思決定を行うことができるようになる。これにより、人間の知能を増幅する技術は、人間の生活を改善する可能性がある。Neuralinkのような企業が、BMIの開発に着手している。これにより、人間の知能を増幅する技術が発達する可能性がある。しかし、人間の知能を増幅することによって、人間同士の格差が拡大する可能性もある。したがって、増幅された人間と増幅されていない人間の間の格差が拡大する可能性がある。しかし、増幅された人間は、情報をより効率的に処理し、意思決定を行うことができるようになる。これにより、人間の知能を増幅する技術は、人間の生活を改善する可能性がある。Neuralinkのような企業が、BMIの開発に着手している。これにより、人間の知能を増幅する技術が発達する可能性がある。しかし、人間の知能を増幅することによって、人間同士の格差が拡大する可能性もある。したがって、増幅された人間と増幅されていない人間の間の格差が拡大する可能性がある。しかし、増幅された人間は、情報をより効率的に処理し、意思決定を行うことができるようになる。これにより、人間の知能を増幅する技術は、人間の生活を改善する可能性がある。Neuralinkのような企業が、BMIの開発に着手している。これにより、人間の知能を増幅する技術が発達する可能性がある。しかし、人間の知能を増幅することによって、人間同士の格差が拡大する可能性もある。したがって、増幅された人間と増幅されていない人間の間の格差が拡大する可能性がある。しかし、増幅された人間は、情報をより効率的に処理し、意思決定を行うことができるようになる。これにより、人間の知能を増幅する技術は、人間の生活を改善する可能性がある。Neuralinkのような企業が、BMIの開発に着手している。これにより、人間の知能を増幅する技術が発達する可能性がある。しかし、人間の知能を増幅することによって、人間同士の格差が拡大する可能性もある。したがって、増幅された人間と増幅されていない人間の間の格差が拡大する可能性がある。しかし、増幅された人間は、情報をより効率的に処理し、意思決定を行うことができるようになる。これにより、人間の知能を増幅する技術は、人間の生活を改善する可能性がある。Neuralinkのような企業が、BMIの開発に着手している。これにより、人間の知能を増幅する技術が発達する可能性がある。しかし、人間の知能を増幅することによって、人間同士の格差が拡大する可能性もある。したがって、増幅された人間と増幅されていない人間の間の格差が拡大する可能性がある。しかし、増幅された人間は、情報をより効率的に処理し、意思決定を行うことができるようになる。これにより、人間の知能を増幅する技術は、人間の生活を改善する可能性がある。Neuralinkのような企業が、BMIの開発に着手している。これにより、人間の知能を増幅する技術が発達する可能性がある。しかし、人間の知能を増幅することによって、人間同士の格差が拡大する可能性もある。したがって、増幅された人間と増幅されていない人間の間の格差が拡大する可能性がある。しかし、増幅された人間は、情報をより効率的に処理し、意思決定を行うことができるようになる。これにより、人間の知能を増幅する技術は、人間の生活を改善する可能性がある。Neuralinkのような企業が、BMIの開発に着手している。これにより、人間の知能を増幅する技術が発達する可能性がある。しかし、人間の知能を増幅することによって、人間同士の格差が拡大する可能性もある。したがって、増幅された人間と増幅されていない人間の間の格差が拡大する可能性がある。しかし、増幅された人間は、情報をより効率的に処理し、意思決定を行うことができるようになる。これにより、人間の知能を増幅する技術は、人間の生活を改善する可能性がある。Neuralinkのような企業が、BMIの開発に着手している。これにより、人間の知能を増幅する技術が発達する可能性がある。しかし、人間の知能を増幅することによって、人間同士の格差が拡大する可能性もある。したがって、増幅された人間と増幅されていない人間の間の格差が拡大する可能性がある。しかし、増幅された人間は、情報をより効率的に処理し、意思決定を行うことができるようになる。これにより、人間の知能を増幅する技術は、人間の生活を改善する可能性がある。Neuralinkのような企業が、BMIの開発に着手している。これにより、人間の知能を増幅する技術が発達する可能性がある。しかし、人間の知能を増幅することによって、人間同士の格差が拡大する可能性もある。したがって、増幅された人間と増幅されていない人間の間の格差が拡大する可能性がある。しかし、増幅された人間は、情報をより効率的に処理し、意思決定を行うことができるようになる。これにより、人間の知能を増幅する技術は、人間の生活を改善する可能性がある。Neuralinkのような企業が、BMIの開発に着手している。これにより、人間の知能を増幅する技術が発達する可能性がある。しかし、人間の知能を増幅することによって、人間同士の格差が拡大する可能性もある。したがって、増幅された人間と増幅されていない人間の間の格差が拡大する可能性がある。しかし、増幅された人間は、情報をより効率的に処理し、意思決定を行うことができるようになる。これにより、人間の知能を増幅する技術は、人間の生活を改善する可能性がある。Neuralinkのような企業が、BMIの開発に着手している。これにより、人間の知能を増幅する技術が発達する可能性がある。しかし、人間の知能を増幅することによって、人間同士の格差が拡大する可能性もある。したがって、増幅された人間と増幅されていない人間の間の格差が拡大する可能性がある。しかし、増幅された人間は、情報をより効率的に処理し、意思決定を行うことができるようになる。これにより、人間の知能を増幅する技術は、人間の生活を改善する可能性がある。
2021年8月10日 2021年8月10日
著者 Alex McFarland

脳機インターフェースは麻痺個人の支援に役立つ可能性がある
著者 Alex McFarland
国際的な研究者チームは、運動機能障害や麻痺の人々の生活の質を向上させることができる着用型脳機インターフェース（BMI）デバイスを開発しました。ロックイン症候群の人々にも助けになる可能性があります。ロックイン症候群とは、意識はあるものの、身体を動かしたりコミュニケーションを取ることができない状態です。ジョージア工科大学のWoon-Hong Yeoの研究所が率いるチームは、イギリスのケント大学と韓国の延世大学からの研究者で構成されていました。チームは、無線ソフトスカルプ電子機器とバーチャルリアリティを1つのBMIシステムに組み合わせました。このシステムにより、ユーザーは車椅子やロボットアームを操作するために、行動を想像するだけで済みます。新しいBMIは、先月、Advanced Science誌に掲載されました。より快適なデバイスYeoは、ジョージ・W・ウッドラフ機械工学学校の准教授です。「このシステムの最大の利点は、現在存在するものと比較して、柔らかくて着心地が良く、ワイヤレスであることです」とYeoは述べました。BMIシステムは、脳信号を分析し、神経活動をコマンドに変換することができます。これにより、個人が行動を想像してBMIが実行することができます。ElectroEncephaloGraphy（EEG）は、信号を取得するための最も一般的な非侵襲性方法ですが、多くの場合、ワイヤーが付いたスカルキャップが必要です。これらのデバイスを使用するには、皮膚との接触を維持するためにジェルやペーストが必要であり、すべてのセットアップは時間がかかり、ユーザーにとって不快です。また、これらのデバイスは、材料の劣化や動作アーティファクト（歯をぎしりさせるなど）により、信号の取得が悪くなることがあります。この種のノイズは脳データに現れ、研究者はそれをフィルタリングする必要があります。機械学習とバーチャルリアリティチームが設計した携帯用EEGシステムは、相互作用可能なマイクロニードル電極とソフトワイヤレス回路の統合により、信号の取得を向上させます。システムがユーザーが実行したい行動を判断するには、機械学習アルゴリズムとバーチャルリアリティコンポーネントが必要です。チームによるテストには4人の人間が参加し、次のステップは、障害を持つ個人のテストです。Yeoは、ジョージア工科大学のヒューマン・セントリック・インターフェース・エンジニアリング・センターのディレクターでもあり、ペティ・バイオエンジニアリング・バイオサイエンス研究所のメンバーです。「これは最初のデモンストレーションにすぎませんが、私たちが見たものに非常に満足しています」とYeoは述べました。2019年、同じチームは着用型ソフトEEG脳機インターフェースを導入し、研究にはMusa Mahmoodが参加しました。Mahmoodは、当時の研究と新しい研究の両方の第一著者でした。「この新しい脳機インターフェースは、想像された運動行動、たとえば両手で把持することを含む、まったく異なるパラダイムを使用しています。これにより、被験者は多くの刺激を見る必要がなくなります」とMahmoodは述べました。2021年の研究では、ユーザーが思考によってバーチャルリアリティの演習を正確に制御することを実証しました。「バーチャル・プロンプトは非常に役に立ちました」とYeoは述べました。「ユーザーの関与と精度を向上させ、継続的な高品質の運動イメージ活動を記録することができました」Mahmoodは、チームが電極の配置を最適化し、刺激に基づくEEGの統合をさらに進めることに焦点を当てていると述べました。
2021年5月22日 2021年5月22日
著者 Alex McFarland

脳制御ロボットアームの操作を向上させるバイオエンジニア
著者 Alex McFarland
個人がプロテーションアーム、特にマインドコントロールテクノロジーを操作する場合、タッチや把持などの操作を完全に制御することは非常に難しい。ピッツバーグ大学リハビリテーション神経工学研究所のバイオエンジニアチームは、新しいサイエンス論文で、脳刺激が触覚感覚を誘発し、ユーザーが脳制御ロボットアームを操作することを容易にする方法を説明しています。把持と転送時間を半分に削減チームは、実験を実施し、視覚を人工的な触覚感覚で補足することで、把持と転送時間を半分に削減できることを実証しました。中央値20.9秒が10.2秒に減少しました。ジェニファー・コリンジャーは、ピッツバーグ大学身体医学・リハビリテーション学科の共同シニア著者および博士課程教授です。「ある意味では、これが起こることを期待していたが、観察したほどの程度ではなかった」とコリンジャーは述べた。「四肢や手からの感覚フィードバックは、日常生活での正常な活動を行うために非常に重要であり、そのフィードバックが欠如すると、人のパフォーマンスは低下します」。研究参加者研究参加者は、ネイサン・コープランドでした。彼は、脳の運動野だけでなく、身体からの感覚情報を処理する脳の領域である体性感覚皮質にも微小な電極アレイを埋め込んだ最初の人物でした。アレイにより、彼はロボットアームを制御し、触覚感覚フィードバックを受信できるようになりました。これは、神経回路の働き方と似ています。「私はすでに、刺激によって生じる感覚と、刺激なしでタスクを実行することについて非常に熟悉していました。感覚が『自然な』ものではないことはわかっていましたが、圧力ややわらかい刺激のような感覚でした。だから、それが私を困惑させることはありませんでした。刺激を受けながらタスクを実行することは、まるでピーナッツバターとジェリーを組み合わせるように自然でした」とコープランドは述べた。コープランドは、自動車事故により腕の使用が制限されたため、センシモーターマイクロエレクトロードブレインコンピュータインターフェース（BCI）の臨床試験に参加しました。Blackrock Microsystemsが開発した4つのマイクロエレクトロードアレイが埋め込まれた。BCIオペレーターは、テーブルから高台への物体のピッキングアップと転送を必要とする一連のテストを受けました。電気刺激を介した触覚フィードバックにより、参加者はタスクを2倍の速度で完了できました。ロバート・ガウントは、ピッツバーグ大学身体医学・リハビリテーション学科の共同シニア著者および博士課程教授です。「感覚の視覚的な要素を除去してタスクを制限したくなかった」とガウントは述べた。「制限された感覚が回復されると、人のパフォーマンスはかなり改善されました。感覚をよりリアルにし、このテクノロジーを家に持ち込むにはまだ長い道のりですが、脳への正常な入力を再現するにつれて、より良くなります」。
2021年5月13日 2021年5月13日
著者 Alex McFarland

脳機インターフェースの種類：メンタルハンドライティング
著者 Alex McFarland
ハワード・ヒューズ医学研究所の研究者は、脳機インターフェースを使用して、ユーザーのメンタルハンドライティングをタイプアウトすることに初めて成功しました。チームは、手書きの文字を書く際に関連する脳活動を解読して、この成果を達成しました。参加者は、脳にセンサーを埋め込んだ麻痺の個人でした。チームは、アルゴリズムを使用して、参加者が文字を書こうとしたときに、文字を識別しました。システムは、この活動を分析して、リアルタイムにテキストを画面に表示することができました。スタンフォード大学のハワード・ヒューズ医学研究所の調査員であるKrishna Shenoyによると、この開発により、麻痺の人々が手の使用なしに迅速にタイプできるようになります。Shenoyは、スタンフォード大学の神経外科医Jaimie Hendersonと共同で研究を行いました。この研究は、5月12日にNature誌に掲載されました。参加者は、1分あたり90文字をタイプすることができました。これは、以前の脳機インターフェースで記録されたものよりも2倍以上の速度です。カリフォルニア大学バークレー校の神経工学者であるJose Carmenaは、「この分野における大きな進歩であり、さまざまな障害を持つ人々に多大な利益をもたらすことができます」と述べています。脳コンピュータインターフェースは、思考を行動に変えることができます。「この論文は、完璧な例です。インターフェースは、書くという思考を解読し、行動を生み出します。」障害と神経活動人々が障害や疾患により歩く、握る、話すことができない場合でも、脳の神経活動はこれらの行動に関連しています。したがって、研究者は、これらの人々に利益をもたらすシステムを作成するために、この活動を使用できます。Shenoyのチームは、話し言葉に関連する神経活動を解読することに数年間取り組んでおり、参加者がセンサーを埋め込み、思考を使用して画面のカーソルを移動する方法を開発しました。しかし、手書きに関しては、同様の努力が行われていませんでした。「人々がより迅速にコミュニケーションをとる新しい方法を見つけることが目標です」と、チームの神経科学者であるFrank Willettは述べています。BCIと埋め込まれたセンサーチームは、65歳の参加者と協力して、BrainGate2臨床試験に参加しました。BrainGate2は、脳からコンピュータへのデータを中継するデバイスのBCIの安全性をテストしています。ヘンドソンは、手と腕を制御する脳の部分に2つの小さなセンサーを埋め込みました。これにより、個人は、麻痺した腕を動かそうとしたときに、ロボットアームまたはカーソルを動かすことができました。センサーは、参加者が文字を書くことを想像したときに、個々のニューロンからの信号を拾いました。機械学習アルゴリズムは、各文字を生成する際の脳パターンを認識しました。このシステムにより、男性は文章をコピーし、質問にほぼ同世代のスマートフォンでタイピングするのと同じ速度で答えることができました。ウィレットによると、BCIは、各文字がアルゴリズムによって容易に区別できる、高度に特徴的な活動パターンを引き起こすため、高速に動作します。チームは、今度は話すことができない参加者に注目し、研究者は、この新しいシステムがさまざまな状態によって引き起こされる麻痺の人々に大きな利益をもたらすことができると考えています。
2021年5月10日 2021年5月10日
著者 Alex McFarland

ブレイン・コンピュータ・インターフェース技術でブレークスルーを達成
著者 Alex McFarland
BrainGateの研究者は、最近、脳コンピュータインターフェース（BCI）の分野で重大なブレークスルーを達成しました。四肢麻痺の患者が、外部のワイヤレス送信機を使用して、皮内ワイヤレスBCIを使用したことが初めてでした。このシステムは、シングルニューロン解像度で脳信号を送信することができます。この研究は、先月、IEEE Transactions on Biomedical Engineeringに掲載されました。このシステムは、フルバンド幅の忠実度で信号を送信し、ユーザーをデコーディングシステムに物理的に接続する必要はありません。伝統的なケーブルではなく、システムは2インチの送信機を使用します。この送信機は、ユーザーの頭の上に置かれ、脳の運動野にある電極アレイに接続されます。この研究には、2人の臨床試験参加者が含まれていました。彼らは、BrainGateシステムとワイヤレス送信機を使用しました。ワイヤレス送信機を使用して、標準のタブレットコンピューターでポイント、クリック、タイプすることができました。この研究では、ワイヤレスシステムが、有線システムと同等の忠実度で信号を送信することができることが示されました。ジョン・シメラルは、ブラウン大学のエンジニアリングの助教授です。彼は、この研究の筆頭著者であり、BrainGate研究コンソーシアムのメンバーです。「このワイヤレスシステムは、有線システムと機能的に等価であることを示しました」とシメラルは述べました。「信号は、有線機器と同等の忠実度で記録および送信されます。つまり、有線機器で使用したのと同じデコーディングアルゴリズムを使用できます。唯一の違いは、ユーザーが物理的に機器に接続する必要がなくなったことです。これにより、システムの使用方法に新しい可能性が開けられます。」研究者によると、このブレークスルーは、完全に埋め込まれた皮内BCIシステムの開発に近づき、損傷した個人に運動能力を回復させることができます。この新しい開発は、初めて、皮内センサーによって記録された信号の全スペクトルを送信するデバイスです。研究の結果この試験には、35歳の男性と63歳の男性の2人が含まれていました。両者とも、脊髄損傷を患っています。ケーブルのないため、ラボではなく自宅でシステムを使用でき、24時間まで使用することができました。この長時間の使用により、研究者は長時間のデータを収集することができました。リー・ホックバーグは、ブラウン大学のエンジニアリング教授であり、ブラウンのカーニー脳科学研究所の研究者です。ホックバーグは、BrainGateの臨床試験を主導しました。「私たちは、神経信号が時間の経過とともにどのように進化するかを理解したいと思います」とホックバーグは述べました。「このシステムを使用して、家で長時間にわたって脳活動を観察することができます。これは以前はほぼ不可能でした。これにより、コミュニケーションと運動の回復を可能にするデコーディングアルゴリズムを設計することができます。」BrainGateコンソーシアムBrainGateコンソーシアムは、ブラウン、スタンフォード、ケース・ウェスタン・リザーブ大学の研究者からなる学際的なグループです。また、プロビデンス退役軍人医療センターとマサチューセッツ総合病院の個人も参加しています。このチームは、2012年に、臨床試験参加者がBCIを使用して多次元ロボットプロテーゼを操作することができることを示した研究を発表しました。以来、グループはシステムを改良し、新しいブレークスルーを達成してきました。シャーレーン・フレッシャーは、スタンフォード大学の元ポスドク研究員であり、現在はアップルのハードウェアエンジニアです。「皮内BCIが、有線ケーブルから小型ワイヤレス送信機への進化は、完全に埋め込まれた高性能ニューラルインターフェースの機能的な使用に向けた大きなステップです」とフレッシャーは述べました。「この分野は、送信帯域幅を削減しながらアシストデバイスの制御の精度を維持することに向かって進化しています。この研究は、実用的BCI使用中を含む長時間にわたるコーティカル信号の全範囲を捉えることができる数少ない研究の1つである可能性があります。」BrainGateチームは、デバイスがワイヤレスであるため、技術者の介助なしに自宅で使用できるため、COVID-19のパンデミック中に研究を続けることができました。ホックバーグは、マサチューセッツ総合病院の重症監護医でもあり、V.A.リハビリテーション研究開発センターの神経回復と神経技術のディレクターです。「2020年3月、研究参加者の自宅を訪問できないことが明らかになった」とホックバーグは述べました。「しかし、介護者にワイヤレス接続を確立する方法を訓練することで、研究参加者が私たちのチームメンバーがいない状態でBCIを使用することができました。したがって、私たちの研究を続けることができたのです。このテクノロジーにより、私たちが以前と同等の完全な帯域幅と忠実度で続けることができました。」シメラルによると、「複数の企業がBCI分野に素晴らしい進出を果たし、一部の企業はすでに人間の使用を実証しています。低帯域幅ワイヤレスシステムの一部は完全に埋め込まれています。この報告書では、高帯域幅ワイヤレスシステムを使用して、将来のシステムの科学的および臨床的能力を向上させることができました。」
2021年3月11日 2021年3月11日
著者 Daniel Nelson

研究者は脳機械インターフェースを使用して個人の嗜好に基づいて魅力的な顔を生成する
著者 Daniel Nelson
ヘルシンキ大学の研究者チームは、脳コンピュータインターフェース（BCI）を着用した個人が魅力的だと感じる特徴に基づいて、魅力的な顔の画像を生成するように設計されたAIを作成しました。AIは、BCIによって収集されたデータに基づいて顔の特徴を生成します。研究チームは、ヘルシンキ大学のコンピュータサイエンティストと心理学者で構成されていました。ヘルシンキの研究チームは、脳波測定（EEG）を使用して、さまざまな人が魅力的だと感じる顔の特徴を決定しました。EEG信号は顔の特徴と相関し、次にデータは生成対抗ネットワーク（GAN）に提供されました。GANは、多様な人々が魅力的だと感じる顔の特徴に基づいて訓練され、完全に新しい顔を生成することができました。研究者は、30人の参加者に、顔の画像が表示されたスクリーンを前に座ってもらいました。これらの顔は、20万枚以上の有名人の画像で訓練されたAIによって生成されました。参加者は、さまざまな顔を表示する際の脳活動を記録するために、電極が付いたEEGキャップを着用しました。EEGは、参加者が魅力的だと感じる顔に対する反応を記録することができました。EEGによって測定されたデータは、GANに提供され、GANはEEG信号を顔の魅力に基づいて解釈しました。GANは、このデータに基づいて新しい顔を生成することができました。研究チームは、2回目の実験を実施しました。新しく生成された顔は、最初の表示セッションに参加した同じボランティアに表示されました。参加者は、顔の魅力に基づいて顔のランキングを行うように求められました。研究結果を分析した結果、研究者は、参加者が生成された画像を約80%の割合で魅力的だと評価したことを発見しました。これは、元の画像が約20%の割合で魅力的だと評価されたこととは対照的です。研究の標本サイズはかなり小さかったため、方法がより大きな集団にテストされた場合にどれほど堅牢であるかは不明です。ただし、結果は興味深く、行動や嗜好が不明確なように見えるものが、特定のAI技術によってどのように量化できるかを示す別の例です。ヘルシンキ大学の心理学および言語病理学科のシニアリサーチャーであるマイケル・スパペは、この研究は、心理的特性を、脳が刺激に反応する方法に関する情報を使用して示すことができることを示していることを説明しました。スパペは、EurekaAlertを通じて次のように説明しました。“この研究は、人工ニューラルネットワークを脳の反応に接続することで、個人の嗜好に合った画像を生成できることを示しています。魅力という、刺激の心理的特性を評価することに成功したことは、特に重要です。コンピュータビジョンは、これまでに、画像を客観的なパターンに基づいて分類することに非常に成功しています。脳の反応を組み込むことで、心理的特性、たとえば個人の好みに基づいて画像を検出および生成できることを示しています。”研究者は、この研究は、コンピュータが主観的な嗜好を理解する方法に影響を与える可能性があると主張しています。AIソリューションと脳コンピュータインターフェースは、複雑な心理現象を理解するために一緒に使用できます。スパペによると、魅力の解釈に使用される一般的な戦術が他の認知機能にも当てはまる場合、偏見や固定観念の形式を特定するために同様のシステムを開発できる可能性があります。
2020年12月24日 2020年12月24日
著者 Alex McFarland

エンジニアが開発したAIベースのハンドジェスチャー認識システム
著者 Alex McFarland
カリフォルニア大学バークレー校のエンジニアたちは、前腕に検出された電気信号に基づいてハンドジェスチャーを認識する装置を開発しました。この新しく開発されたシステムは、可穿戴バイオセンサーと人工知能（AI）の結果であり、プロセチクスと人間コンピュータ相互作用の制御を改善する可能性があります。アリ・モインは設計チームの一員であり、UCバークレーの電気工学およびコンピューターサイエンス学科の博士課程の学生でもあります。モインは、12月21日にオンラインでジャーナル《ネイチャー・エレクトロニクス》に掲載された研究論文の共同第一著者でもあります。「プロセチクスは、この技術の重要な応用例のひとつですが、それ以外にも、コンピュータと非常に直感的かつ自然な方法でコミュニケーションをとる手段を提供します。」とモインは述べました。「ハンドジェスチャーの読み取りは、人間コンピュータ相互作用を改善する方法のひとつです。他の方法としては、カメラやコンピュータビジョンを使用する方法がありますが、この方法は、個人のプライバシーを維持しながら解決策を提供します。」ハンドジェスチャー認識システム開発チームは、UCバークレーの電気工学教授であるアナ・アリアスと共同でシステムを設計し、開発しました。彼らは、前腕の64個の異なる点で電気信号を読み取ることができる柔軟なアームバンドを共同で作成しました。これらの電気信号は、AIアルゴリズムがプログラムされた電気チップにフィードされました。このアルゴリズムは、特定のハンドジェスチャーによって生じる前腕の信号パターンを識別できます。アルゴリズムは、21種類の個々のハンドジェスチャーを識別することができました。「あなたが手の筋肉を収縮させたいとき、あなたの脳は首と肩の神経を通じて腕と手の筋繊維に電気信号を送信します。」とモインは述べました。「実質的に、アームバンドの電極が検知しているのは、この電気フィールドです。正確なものではありません。つまり、どの特定の筋繊維がトリガーされたかを特定できないのですが、高密度の電極を使用することで、特定のパターンを学習することができます。」AIアルゴリズムは、まず、腕の電気信号と対応するハンドジェスチャーを識別することを学習する必要があります。これには、ユーザーがジェスチャーを行うときにデバイスを着用する必要があります。さらに、システムはハイパーディメンショナル・コンピューティング・アルゴリズムに依存しています。これは、自己更新型の高度なAIです。この高度な技術により、システムは新しい情報、たとえば腕の動きや汗などに基づいて自己修正を行うことができます。「ジェスチャー認識では、信号は時間の経過とともに変化し、それがモデル性能に影響を及ぼす可能性があります。」とモインは述べました。「デバイス上でモデルを更新することで、分類精度を大幅に改善することができました。」チップ上でのローカルコンピューティングこのデバイスのもう一つの特徴は、すべてのコンピューティングがチップ上で行われることです。つまり、個人データは他のデバイスに送信されません。これにより、コンピューティング時間が短縮され、生物学的データが保護されます。ジャン・ラバエは、UCバークレーの電気工学のドナルド・O・ペデンセン特別教授であり、論文の共同著者です。「AmazonやAppleがアルゴリズムを作成するとき、彼らはクラウドでソフトウェアを実行してモデルを作成し、そのモデルをデバイスにダウンロードします。」とラバエは述べました。「問題は、そのモデルに固定されることです。私たちのアプローチでは、デバイス自体で学習を行うプロセスを実装しました。それは非常に迅速です。1回行うだけで、機能を開始できます。さらに何度か行うと、より良くなる可能性があります。つまり、継続的に学習しています。これは、人間が行う方法です。」ラバエによると、このデバイスはわずかな変更を加えるだけで商業化される可能性があります。「これらの技術のほとんどは、他の場所でも既に存在していますが、このデバイスが独自の点は、バイオセンシング、信号処理および解釈、人工知能を1つのシステムに統合し、相対的に小さく柔軟で低電力の予算を持っていることです。」とラバエは述べました。

More Posts

Page 1 of 212