นักวิจัยใช้เครือข่าย Generative Adversarial เพื่อปรับปรุงอินเทอร์เฟซคอมพิวเตอร์สมอง

นักวิจัยจากมหาวิทยาลัยเซาเทิร์นแคลิฟอร์เนีย (USC) Viterbi School of Engineering กำลังใช้เครือข่าย Generative Adversarial (GANs) เพื่อปรับปรุงอินเทอร์เฟซคอมพิวเตอร์สมอง (BCIs) สำหรับคนพิการ

GANs ยังใช้ในการสร้างวิดีโอและภาพถ่ายที่มีลักษณะเหมือนจริง

ผลงานวิจัยได้รับการตีพิมพ์ใน Nature Biomedical Engineering

พลังของ BCIs

ทีมวิจัยสามารถสอน AI ให้สร้างข้อมูลกิจกรรมสมองสังเคราะห์ผ่านวิธีนี้ ข้อมูลนั้นอยู่ในรูปแบบของสัญญาณประสาทที่เรียกว่า spike trains ซึ่งสามารถใช้ในการฝึกอบรมอัลกอริทึมการเรียนรู้ของเครื่องเพื่อปรับปรุง BCIs ในผู้ที่มีความพิการ

BCIs วิเคราะห์สัญญาณสมองของแต่ละบุคคลก่อนที่จะแปลกิจกรรมประสาท thànhคำสั่ง ซึ่งช่วยให้ผู้ใช้สามารถควบคุมอุปกรณ์ดิจิทัลด้วยความคิดของตนเอง อุปกรณ์เหล่านี้รวมถึงสิ่งเช่น 커서คอมพิวเตอร์ ซึ่งสามารถปรับปรุงคุณภาพชีวิตของผู้ป่วยที่มีความพิการทางกายหรืออัมพาตได้

มีหลายประเภทของ BCIs ที่มีอยู่ในตลาดแล้ว เช่น อุปกรณ์ที่วัดสัญญาณสมองและอุปกรณ์ที่ฝังอยู่ในเนื้อเยื่อสมอง เทคโนโลยีนี้กำลังพัฒนาและถูกนำไปใช้ในรูปแบบใหม่ๆ รวมถึงการฟื้นฟูสมองและการรักษาโรคซึมเศร้า

BCIs ต้องการข้อมูลประสาทจำนวนมากและช่วงการฝึกอบรมที่ยาวนาน การปรับแต่งและเรียนรู้เพื่อทำความเข้าใจข้อมูลเข้า

Laurent Itti เป็นศาสตราจารย์ด้านวิทยาการคอมพิวเตอร์และเป็นผู้ร่วมเขียนผลงานวิจัย

“การได้รับข้อมูลที่เพียงพอสำหรับอัลกอริทึมที่ขับเคลื่อน BCIs อาจเป็นเรื่องที่ยาก แพง หรือเป็นไปไม่ได้หากบุคคลที่มีอัมพาตไม่สามารถสร้างสัญญาณสมองที่แข็งแรงเพียงพอ” Itti กล่าว

เทคโนโลยีนี้เป็นแบบผู้ใช้เฉพาะ ซึ่งหมายความว่าต้องได้รับการฝึกอบรมสำหรับแต่ละบุคคล

เครือข่าย Generative Adversarial

GANs สามารถปรับปรุงกระบวนการทั้งหมดได้ เนื่องจากพวกมันสามารถสร้างภาพใหม่ๆ ที่คล้ายกันได้ไม่จำกัดโดยการผ่านกระบวนการลองผิดลองถูก

Shixian Wen นักศึกษาระดับ博士ที่ได้รับการแนะนำจาก Itti และเป็นผู้เขียนหลักของการศึกษา ได้ตัดสินใจที่จะดู GANs และความเป็นไปได้ที่พวกเขาสามารถสร้างข้อมูลการฝึกอบรมสำหรับ BCIs ได้โดยการสร้างข้อมูลประสาทสังเคราะห์ที่ไม่สามารถแยกแยะจากข้อมูลจริงได้

ทีมวิจัยได้ทำการทดลองโดยการฝึกอบรมเครื่องสังเคราะห์ spike ที่มีประสิทธิภาพสูงด้วยข้อมูลหนึ่งเซสชันที่บันทึกจากลิงที่กำลังจะเอื้อมมือไปหาวัตถุ จากนั้นพวกเขาจึงใช้เครื่องสังเคราะห์ในการสร้างข้อมูลประสาทสังเคราะห์จำนวนมาก

ข้อมูลสังเคราะห์ถูกผสมกับข้อมูลจริงเพียงเล็กน้อยเพื่อฝึกอบรม BCIs โดยใช้วิธีนี้ ระบบสามารถเริ่มทำงานได้เร็วขึ้นมากเมื่อเทียบกับวิธีการปัจจุบัน

“น้อยกว่านาทีของข้อมูลจริงที่ผสมกับข้อมูลสังเคราะห์สามารถทำงานได้ดีเท่ากับ 20 นาทีของข้อมูลจริง” Wen กล่าว

“เป็นครั้งแรกที่เราเห็น AI สร้างสูตรสำหรับการคิดหรือการเคลื่อนไหวผ่านการสร้าง spike trains สังเคราะห์ การวิจัยนี้เป็นขั้นตอนที่สำคัญในการทำให้ BCIs เหมาะสมกับการใช้งานในโลกแห่งความเป็นจริง”

หลังจากเซสชั่นทดลองแรก ระบบสามารถปรับให้เหมาะสมกับเซสชั่นใหม่ๆ ได้ด้วยข้อมูลประสาทเพิ่มเติมที่จำกัด

“สิ่งนี้เป็นนวัตกรรมที่ใหญ่ที่สุด — การสร้าง spike trains สังเคราะห์ที่ดูเหมือนมาจากคนๆ นี้เมื่อพวกเขาคิดถึงการเคลื่อนไหวที่แตกต่างกัน และใช้ข้อมูลนี้เพื่อช่วยในการเรียนรู้สำหรับคนๆ ต่อไป” Itti กล่าว

การพัฒนาที่ใหม่เหล่านี้ด้วยข้อมูลสังเคราะห์ที่สร้างโดย GAN อาจนำไปสู่การผ่านพ้นไปสู่สาขาอื่นๆ ได้

“เมื่อบริษัทพร้อมที่จะเริ่มการค้าขายโครงกระดูกหุ่นยนต์ หรือระบบสังเคราะห์เสียง พวกเขาควรจะมองหาวิธีนี้ เพราะมันอาจช่วยให้พวกเขาเร่งการฝึกอบรมและฝึกอบรมใหม่ได้” Itti กล่าว “และสำหรับการใช้ GAN เพื่อปรับปรุงอินเทอร์เฟซคอมพิวเตอร์สมอง ฉันคิดว่านี่เป็นเพียงจุดเริ่มต้น”