인간 뇌파를 실시간으로 재현하는 인공지능

최근에 연구자들은 인간의 뇌파를 실시간으로 재현할 수 있는 신경망을 개발했습니다. Futurism에 따르면, 연구 팀은 모스크바 물리 기술 연구소(MIPT)와 Neurobotics corporation의 연구자들로 구성되어 있으며, 컴퓨터 비전 신경망을 사용하여 뇌파를 이미지로 변환하여 시각화했습니다.

연구 결과는 bioRxiv에 발표되었으며, 연구 논문과 함께 비디오가 게시되었습니다. 비디오는 네트워크가 이미지들을 재구성하는 과정을 보여줍니다. MIPT 연구 팀은 이 연구가 뇌파를 사용하여 제어되는 재활 시스템을 개발하는 데 도움이 될 것이라고 희망합니다. 뇌파를 사용하여 재활 장치를 개발하기 위해서는 신경생물학자들이 정보를 인코딩하는 뇌의 과정을 연구해야 합니다. 이러한 과정을 이해하는 데 중요한 부분은 사람들이 비디오 정보를 어떻게 인식하는지 연구하는 것입니다. ZME Science에 따르면, 현재의 이미지 추출 방법은 일반적으로 신경망을 사용하여 신호를 분석하거나 기능적 MRI를 사용하여 이미지를 추출합니다.

Neurbiotics와 MIPT의 연구 팀은 전두엽에서 뇌파를 수집하는 전기뇌간도법(electroencephalography, EEG)을 사용했습니다. 사람들은 일반적으로 비디오를 시청하거나 그림을看着 신경 신호를 추적하는 장치를 착용합니다. 뇌 활동 분석은 기계 학습 시스템에서 사용할 수 있는 입력 특성을 제공했습니다. 기계 학습 시스템은 사람們이 본 이미지를 재구성할 수 있었으며, 실시간으로 화면에 이미지를 렌더링했습니다.

실험은 여러 부분으로 나누어졌습니다. 실험의 첫 번째 단계에서는 연구자들이 참가자들에게 10초짜리 유튜브 비디오를 20분 동안 시청하도록 했습니다. 비디오는 다섯 가지 범주로 나누어졌습니다: 모터스포츠, 인간의 얼굴, 추상적인 도형, 폭포, 그리고 움직이는 메커니즘. 이러한 범주에는 다양한 객체가 포함될 수 있습니다. 예를 들어, 모터스포츠 범주는 스노모빌과 모터사이클의 클립을 포함했습니다.

연구 팀은 참가자들이 비디오를 시청하는 동안 수집된 EEG 데이터를 분석했습니다. EEG는 각 비디오 클립에 대해 특정한 패턴을 표시했으며, 이는 연구 팀이 참가자들이 비디오에서 어떤 내용을 보고 있는지 거의 실시간으로 해석할 수 있음을 의미했습니다.

실험의 두 번째 단계에서는 세 가지 범주를 무작위로 선택했습니다. 두 개의 신경망이 두 범주에서 작동하도록 생성되었습니다. 첫 번째 네트워크는 세 가지 범주 중 하나에 속하는 임의의 이미지를 생성했으며, 이를 통해 노이즈를 생성했습니다. 두 번째 네트워크는 EEG 스캔에서 노이즈를 생성했습니다. 두 네트워크의 데이터를 비교하여 임의로 생성된 이미지를 EEG 노이즈 데이터에 따라 업데이트했습니다. 그러다가 생성된 이미지가 참가자들이 본 이미지와 유사해질 때까지 반복했습니다.

시스템이 설계된 후, 연구자들은 참가자들이 전에 보지 못한 비디오를 보여주면서 프로그램의 뇌파 시각화를 테스트했습니다. 두 번째 시청 동안 생성된 EEG는 네트워크에 제공되었으며, 네트워크는 90%의 경우에 이미지를 올바른 범주에 넣을 수 있었습니다.

연구자들은 실험 결과가 놀라웠다고 말했습니다. 오랫동안 EEG에는 사람們이 본 이미지를 재구성하는 데 필요한 정보가 충분하지 않다고 가정해왔기 때문입니다. 그러나 연구 팀의 결과는 그것이 가능하다는 것을 보여주었습니다.

Neurorobotics Lab의 책임자 인 블라디미르 콘셰프(Vladimir Konyshev)는 현재 연구 팀이 장애인들을 위한 보조 기술을 개발하는 데 집중하고 있지만, 이 기술이 일반인들을 위한 신경 제어 장치를 개발하는 데 사용될 수 있다고 설명했습니다. TechXplore에 따르면, 콘셰프는 다음과 같이 말했습니다.

“우리는 국립 기술 이니셔티브(National Technology Initiative)의 Assistive Technologies 프로젝트에 참여하고 있습니다. 이 프로젝트는 뇌-컴퓨터 인터페이스를 사용하여 뇌파로 제어되는 보조 기술을 개발하는 것을 목표로 합니다. 예를 들어, 뇌파로 제어되는 외골수 암을 사용하여 중풍 환자를 재활시키거나, 마비된 환자가 전동 휠체어를 운전할 수 있도록 하는 것입니다. 궁극적인 목표는 건강한 사람들의 신경 제어 정확도를 높이는 것입니다.”