두뇌 기계 인터페이스
연구자들은 Generative Adversarial Networks를 사용하여 뇌-컴퓨터 인터페이스를 개선합니다.
USC(University of Southern California) Viterbi School of Engineering의 연구원들은 GAN(Generative Adversarial Networks)을 사용하여 장애인을 위한 뇌-컴퓨터 인터페이스(BCI)를 개선하고 있습니다.
GAN은 또한 딥페이크 비디오와 사실적인 인간의 얼굴 사진을 만드는 데 사용됩니다.
연구 논문은 자연 생체 공학.
BCI의 힘
팀은 이 접근 방식을 통해 AI가 합성 뇌 활동 데이터를 생성하도록 가르칠 수 있었습니다. 해당 데이터는 스파이크 트레인(spike train)이라는 신경 신호 형태로 되어 있으며, 이는 장애가 있는 사람들의 BCI를 개선하기 위해 기계 학습 알고리즘에 공급될 수 있습니다.
BCI는 신경 활동을 명령으로 변환하기 전에 개인의 뇌 신호를 분석하여 사용자가 생각만으로 디지털 장치를 제어할 수 있도록 합니다. 컴퓨터 커서와 같은 것을 포함할 수 있는 이러한 장치는 운동 기능 장애 또는 마비로 고통받는 환자의 삶의 질을 향상시킬 수 있습니다. 그들은 또한 완전히 의식이 있음에도 불구하고 움직이거나 의사소통을 할 수 없을 때 발생하는 감금 증후군이 있는 개인에게 도움이 될 수 있습니다.
뇌 신호를 측정하는 것과 뇌 조직에 이식되는 장치와 같이 이미 시장에 나와 있는 다양한 유형의 BCI가 있습니다. 이 기술은 신경 재활 및 우울증 치료를 포함하여 지속적으로 개선되고 새로운 방식으로 적용되고 있습니다. 그러나 현실 세계에서 효율적으로 작동할 수 있을 만큼 시스템을 빠르게 만드는 것은 여전히 어렵습니다.
BCI는 방대한 양의 신경 데이터와 긴 훈련 기간, 보정 및 입력을 이해하기 위한 학습이 필요합니다.
Laurent Itti는 컴퓨터 과학 교수이자 이 연구의 공동 저자입니다.
Itti는 "마비 환자가 충분히 강력한 뇌 신호를 생성할 수 없는 경우 BCI를 구동하는 알고리즘에 대한 충분한 데이터를 얻는 것이 어렵고 비용이 많이 들거나 심지어 불가능할 수 있습니다."라고 말했습니다.
이 기술은 사용자별로 다르므로 각 개인에 대해 교육을 받아야 합니다.
생성 적 적대 네트워크
GAN은 시행 착오 프로세스를 거쳐 무제한의 새롭고 유사한 이미지를 생성할 수 있기 때문에 이 전체 프로세스를 개선할 수 있습니다.
Itti가 조언한 박사 과정 학생이자 이 연구의 수석 저자인 Shixian Wen은 GAN과 실제 데이터와 구별할 수 없는 합성 신경학적 데이터를 생성하여 BCI용 훈련 데이터를 생성할 수 있는 가능성을 살펴보기로 결정했습니다.
팀은 물체에 도달하는 원숭이로부터 기록된 한 세션의 데이터로 딥 러닝 스파이크 합성기를 훈련시키는 실험을 수행했습니다. 그런 다음 합성기를 사용하여 유사하지만 가짜 신경 데이터를 대량 생성했습니다.
그런 다음 합성된 데이터를 소량의 새로운 실제 데이터와 결합하여 BCI를 교육했습니다. 이 접근 방식을 통해 시스템은 현재 방법보다 훨씬 빠르게 시작하고 실행할 수 있었습니다. 보다 구체적으로, GAN 합성 신경 데이터는 BCI의 전체 훈련 속도를 최대 20배까지 향상시켰습니다.
“합성 데이터와 결합된 20분 미만의 실제 데이터도 XNUMX분의 실제 데이터와 마찬가지로 작동합니다.”라고 Wen은 말했습니다.
“AI가 합성 스파이크 트레인 생성을 통해 생각이나 움직임의 레시피를 생성하는 것을 본 것은 이번이 처음입니다. 이 연구는 BCI를 실제 사용에 더 적합하게 만드는 중요한 단계입니다.”
첫 번째 실험 세션에 이어 시스템은 제한된 추가 신경 데이터로 새로운 세션에 적응할 수 있었습니다.
Itti는 "여기서 가장 큰 혁신은 다른 동작을 상상하는 것처럼 이 사람에게서 나온 것처럼 보이는 가짜 스파이크 기차를 만든 다음 이 데이터를 사용하여 다음 사람에 대한 학습을 지원하는 것"이라고 말했습니다.
GAN 생성 합성 데이터를 사용한 이러한 새로운 개발은 현장의 다른 영역에서도 획기적인 발전으로 이어질 수 있습니다.
Itti는 "회사가 로봇 골격, 로봇 팔 또는 음성 합성 시스템을 상용화할 준비가 되면 이 방법을 살펴봐야 합니다. 왜냐하면 이 방법이 훈련 및 재훈련을 가속화하는 데 도움이 될 수 있기 때문입니다."라고 말했습니다. "뇌-컴퓨터 인터페이스를 개선하기 위해 GAN을 사용하는 것은 시작에 불과하다고 생각합니다."
