Судлаачид тархи-компьютерийн интерфэйсийг сайжруулахын тулд үүсгэгч өрсөлдөгчийн сүлжээг ашигладаг

Өмнөд Калифорнийн Их Сургуулийн (USC) Витерби Инженерийн Сургуулийн судлаачид хөгжлийн бэрхшээлтэй хүмүүсийн тархи-компьютерийн интерфейсийг (BCI) сайжруулахын тулд generative adversarial network (GANs) ашиглаж байна. 

GAN-г мөн гүнзгий хуурамч видео, фото бодит хүний ​​царайг бүтээхэд ашигладаг. 

Судалгааны нийтлэл хэвлэгдсэн Байгалийн биоанагаахын инженерчлэл. 

BCI-ийн хүч

Тус багийнхан энэхүү аргын тусламжтайгаар хиймэл оюун ухаанд тархины үйл ажиллагааны синтетик өгөгдлийг гаргаж авахыг зааж өгч чадсан. Энэ өгөгдөл нь хөгжлийн бэрхшээлтэй хүмүүсийн дунд BCI-ийг сайжруулахын тулд машин сургалтын алгоритмуудад тэжээгдэж болох баяжуулалтын галт тэрэг гэж нэрлэгддэг мэдрэлийн дохио хэлбэрээр байдаг. 

BCI нь мэдрэлийн үйл ажиллагааг команд болгон хувиргахаасаа өмнө тухайн хүний ​​тархины дохиог шинжилдэг бөгөөд энэ нь хэрэглэгч дижитал төхөөрөмжийг зөвхөн өөрийн бодлоор удирдах боломжийг олгодог. Компьютерийн курсор гэх мэт зүйлсийг багтааж болох эдгээр төхөөрөмжүүд нь моторын үйл ажиллагааны алдагдал эсвэл саажилттай өвчтөнүүдийн амьдралын чанарыг сайжруулах чадвартай. Тэд бүрэн ухамсартай байсан ч хөдөлж, харилцах боломжгүй үед тохиолддог түгжигдсэн синдромтой хүмүүст тустай.

Тархины дохиог хэмждэг, тархины эдэд суулгасан төхөөрөмжүүд гэх мэт олон төрлийн BCI аль хэдийн зах зээл дээр байдаг. Технологийг байнга сайжруулж, мэдрэлийн нөхөн сэргээх эмчилгээ, сэтгэл гутралын эмчилгээ зэрэг шинэ арга замаар хэрэглэж байна. Гэсэн хэдий ч бодит ертөнцөд үр дүнтэй ажиллахад хангалттай хурдан системийг бий болгоход хэцүү хэвээр байна.

BCI-ууд нь асар их хэмжээний мэдрэлийн өгөгдөл, урт хугацааны сургалтын хугацаа, шалгалт тохируулга, орцуудыг ойлгоход суралцах шаардлагатай байдаг.

Лоран Итти бол компьютерийн шинжлэх ухааны профессор бөгөөд судалгааны хамтран зохиогч юм. 

"Хэрэв саажилттай хүмүүс хангалттай хүчтэй тархины дохиог гаргаж чадахгүй бол BCI-ийг ажиллуулах алгоритмд хангалттай мэдээлэл олж авах нь хэцүү, үнэтэй эсвэл бүр боломжгүй юм" гэж Итти хэлэв. 

Технологи нь хэрэглэгчдэд зориулагдсан бөгөөд үүнийг хувь хүн бүрт сургах ёстой гэсэн үг юм. 

Үүсгэх сөрөг сүлжээнүүд

GAN нь туршилт, алдааны процессыг даван туулж, хязгааргүй тооны шинэ, ижил төстэй зургийг бүтээх чадвартай тул энэ үйл явцыг бүхэлд нь сайжруулж чадна.

Судалгааны ахлагч, Itti-гийн зөвлөсөн докторын зэрэгтэй оюутан Шисиан Вэн GAN-уудыг судалж, бодит аналогиас нь ялгагдахааргүй синтетик мэдрэлийн өгөгдлийг үүсгэснээр BCI-д зориулсан сургалтын өгөгдлийг бий болгох боломжийг судлахаар шийджээ. 

Баг нь сармагчин ямар нэгэн объект руу хүрч буй бичлэгээс авсан нэг сесс өгөгдлийн тусламжтайгаар гүнзгий суралцах баяжуулалтын синтезаторыг сургах туршилт хийжээ. Дараа нь тэд синтезатор ашиглан их хэмжээний ижил төстэй боловч хуурамч мэдрэлийн өгөгдлийг үүсгэсэн.

Дараа нь нэгтгэсэн өгөгдлийг бага хэмжээний шинэ бодит өгөгдөлтэй нэгтгэж, BCI-ийг сургасан. Энэ аргын тусламжтайгаар систем нь одоогийн аргуудаас хамаагүй хурдан ажиллаж эхэлсэн. Тодруулбал, GAN-ийн нийлэгжүүлсэн мэдрэлийн өгөгдөл нь BCI-ийн сургалтын ерөнхий хурдыг 20 дахин нэмэгдүүлсэн.

"Нэг минут хүрэхгүй хугацааны бодит өгөгдлийг синтетик өгөгдөлтэй хослуулах нь 20 минутын бодит өгөгдөлтэй адил ажилладаг" гэж Вэнь хэлэв.

"Бид хиймэл оюун ухаан нь нийлэг баяжуулалтын галт тэрэг бүтээх замаар сэтгэх эсвэл хөдөлгөөн хийх жорыг бий болгохыг анх удаа харж байна. Энэхүү судалгаа нь BCI-ийг бодит хэрэглээнд илүү тохиромжтой болгох чухал алхам юм." 

Эхний туршилтын сессүүдийн дараа систем хязгаарлагдмал нэмэлт мэдрэлийн өгөгдөл бүхий шинэ сессүүдэд дасан зохицож чадсан.

"Энэ бол энд байгаа том шинэлэг зүйл бол тэд өөр өөр хөдөлгөөн хийж байгаагаар төсөөлж байгаагаар нь яг л энэ хүнээс гаралтай мэт харагдах хуурамч шонтой галт тэрэг бүтээж, дараа нь дараагийн хүнээ сурахад нь туслах зорилгоор энэ өгөгдлийг ашигладаг" гэж Итти хэлэв.

GAN-ээр үүсгэгдсэн синтетик өгөгдөл бүхий эдгээр шинэ бүтээн байгуулалтууд нь бусад салбарт нээлт хийхэд хүргэж болзошгүй юм.

"Компани робот араг яс, робот гар эсвэл ярианы синтезийн системийг арилжаалж эхлэхэд бэлэн байгаа бол тэд энэ аргыг анхаарч үзэх хэрэгтэй, учир нь энэ нь сургалт, давтан сургах ажлыг хурдасгахад тустай байж магадгүй" гэж Итти хэлэв. "Тархи-компьютерийн интерфэйсийг сайжруулахын тулд GAN ашиглах тухайд энэ бол зөвхөн эхлэл гэж би бодож байна."