๋-๊ธฐ๊ณ ์ธํฐํ์ด์ค
์ฐ๊ตฌ์๋ค์ ๋-์ปดํจํฐ ์ธํฐํ์ด์ค๋ฅผ ๊ฐ์ ํ๊ธฐ ์ํด ์ ๋์ ์์ฑ ๋คํธ์ํฌ๋ฅผ ์ฌ์ฉํ๋ค
남부 캘리포니아 대학교(University of Southern California, USC) 비터비 공과대학(Viterbi School of Engineering)의 연구자들은 장애인들을 위한 뇌-컴퓨터 인터페이스(Brain-Computer Interfaces, BCIs)를 개선하기 위해 적대적 생성 네트워크(Generative Adversarial Networks, GANs)를 사용하고 있다.
GANs는 또한 딥페이크 비디오와 사진 실사적인 인간 얼굴을 생성하는 데 사용된다.
이 연구는 네이처 바이오메디컬 엔지니어링에 발표되었다.
BCI의 힘
연구 팀은 이 접근법을 통해 인공 지능이 합성 뇌 활동 데이터를 생성하도록 가르칠 수 있었다. 이 데이터는 스파이크 트레인이라고 하는 신경 신호의 형태로 기계 학습 알고리즘에 입력되어 장애인들의 BCIs를 개선할 수 있다.
BCIs는 개인의 뇌 신호를 분석한 다음 신경 활동을 명령으로 번역하여 사용자가 생각만으로 디지털 장치를 제어할 수 있도록 한다. 이러한 장치에는 컴퓨터 커서와 같은 것들이 포함되며, 운동 기능 장애 또는 마비로 고통받는 환자의 삶의 질을 개선할 수 있다. 또한 잠겨 있는 증후군으로 인해 이동하거나 의사소통할 수 없지만 완전히 의식이 있는 개인에도 도움이 될 수 있다.
시장에는 이미 뇌 신호를 측정하는 것과 같은 다양한 유형의 BCIs가 있으며, 뇌 조직에 삽입되는 장치도 있다. 기술은 끊임없이 개선되고 새로운 방법으로 적용되고 있으며, 신경 재활과 우울증 치료를 포함한다. 그러나 시스템을 실제 세계에서 효율적으로 작동할 수 있도록 충분히 빠르게 만드는 것이 여전히 어렵다.
BCIs는大量의 신경 데이터와 긴 훈련 기간, 보정 및 학습을 요구한다.
Laurent Itti는 컴퓨터 과학 교수이자 연구의 공동 저자이다.
“BCIs를 구동하는 알고리즘에 충분한 데이터를 얻는 것은 어려울 수 있다. 마비된 개인이 충분히 강력한 뇌 신호를 생성할 수 없다면 비용이 많이 들거나甚至 불가능할 수 있다”고 Itti는 말했다.
이 기술은 사용자 지정이므로 각 개인에 대해 훈련되어야 한다.
적대적 생성 네트워크
GANs는 시도와 오류를 통해 새로운 이미지의 무제한의 양을 생성할 수 있으므로 이 전체 프로세스를 개선할 수 있다.
Itti의 지도 아래 박사 과정 학생인 Shixian Wen은 GANs를 살펴보고 BCIs를 위한 훈련 데이터를 생성하여 실제 데이터와 구별할 수 없는 합성 신경학적 데이터를 생성할 수 있는 가능성을 조사하기로 결정했다.
연구 팀은 원숭이가 물건을 잡는 것을 기록한 한 세션의 데이터로 깊은 학습 스파이크 합성기를 훈련시킨 실험을 수행했다. 그런 다음 합성기를 사용하여大量의 유사하지만 가짜 신경 데이터를 생성했다.
합성된 데이터는 작은 양의 새로운 실제 데이터와 결합되어 BCI를 훈련시켰다. 이 접근법을 사용하면 시스템이 현재의 방법보다 훨씬 더 빠르게 작동할 수 있었다. 더 구체적으로, GAN으로 생성된 신경 데이터는 BCIs의 전체 훈련 속도를 최대 20배까지 개선했다.
“실제 데이터 1분 미만과 합성 데이터가 실제 데이터 20분과 동일하게 작동한다”고 Wen은 말했다.
“사고 또는 운동을 생성하기 위한 레시피를 생성하여 합성 스파이크 트레인을 생성하는 것을 처음으로 보았다. 이 연구는 BCIs를 실제 세계에서 사용하기에 더 적합하게 만드는 데 중요한 단계이다.”
초기 실험 세션 이후에 시스템은 제한된 추가 신경 데이터로 새로운 세션에 적응할 수 있었다.
“이곳의 큰 혁신은이 사람의 다른 동작을 상상하는 동안 실제와 같은 스파이크 트레인을 생성하는 것이며, 또한 다음 사람에 대한 학습을 지원하는 데 사용하는 것이다”고 Itti는 말했다.
GAN으로 생성된 합성 데이터의 이러한 새로운 개발은 분야의 다른 영역에서도 획기적인 발전을 이끌어 낼 수 있다.
“로봇 스켈레톤, 로봇 팔 또는 음성 합성 시스템을 상업화하기 시작할 때 회사는 훈련과 재훈련을 가속화하는 데 도움이 될 수 있는 이 방법을 살펴보아야 한다”고 Itti는 말했다. “BCIs를 개선하기 위해 GAN을 사용하는 경우, 이것이 시작에 불과하다고 생각한다.”
