Các nhà nghiên cứu sử dụng mạng đối lập sinh tạo để cải thiện giao diện não máy tính

Các nhà nghiên cứu tại Trường Kỹ thuật Viterbi của Đại học Nam California (USC) đang sử dụng mạng đối lập sinh tạo (GANs) để cải thiện giao diện não máy tính (BCIs) cho người khuyết tật. 

GANs cũng được sử dụng để tạo video giả và khuôn mặt người thực tế. 

Bài báo nghiên cứu được công bố trên Nature Biomedical Engineering. 

Sức mạnh của BCIs

Đội ngũ đã có thể dạy một trí tuệ nhân tạo để tạo ra dữ liệu hoạt động não tổng hợp thông qua phương pháp này. Dữ liệu đó ở dạng tín hiệu thần kinh gọi là spike trains, có thể được đưa vào các thuật toán học máy để cải thiện BCIs cho những người khuyết tật. 

BCIs phân tích tín hiệu não của một cá nhân trước khi dịch tín hiệu thần kinh thành lệnh, cho phép người dùng điều khiển thiết bị kỹ thuật số chỉ bằng suy nghĩ của họ. Các thiết bị này, bao gồm cả con trỏ máy tính, có thể cải thiện chất lượng cuộc sống cho bệnh nhân mắc chứng rối loạn vận động hoặc liệt. Chúng cũng có thể mang lại lợi ích cho những người bị hội chứng bị khóa, một tình trạng mà người đó không thể di chuyển hoặc giao tiếp mặc dù họ hoàn toàn tỉnh táo.

Hiện có nhiều loại BCIs khác nhau trên thị trường, chẳng hạn như những thiết bị đo tín hiệu não và thiết bị được cấy ghép vào mô não. Công nghệ này đang不断 được cải tiến và áp dụng trong các lĩnh vực mới, bao gồm cả phục hồi chức năng thần kinh và điều trị trầm cảm. Tuy nhiên, vẫn còn khó khăn để làm cho hệ thống hoạt động đủ nhanh để vận hành hiệu quả trong thế giới thực.

BCIs yêu cầu lượng lớn dữ liệu thần kinh và thời gian đào tạo, hiệu chỉnh và học tập dài để hiểu được đầu vào của chúng.

Laurent Itti là giáo sư khoa học máy tính và đồng tác giả của nghiên cứu. 

“Để có đủ dữ liệu cho các thuật toán điều khiển BCIs có thể khó, tốn kém hoặc thậm chí không thể nếu những người bị liệt không thể tạo ra tín hiệu não đủ mạnh,” Itti nói. 

Công nghệ này là đặc thù cho từng người dùng, nghĩa là nó phải được đào tạo cho từng cá nhân. 

Mạng đối lập sinh tạo

GANs có thể cải thiện toàn bộ quá trình này vì chúng có khả năng tạo ra một lượng lớn hình ảnh mới, tương tự thông qua quá trình thử và sai.

Shixian Wen, một sinh viên tiến sĩ được Itti hướng dẫn và là tác giả chính của nghiên cứu, quyết định xem xét GANs và khả năng chúng có thể tạo ra dữ liệu đào tạo cho BCIs bằng cách tạo ra dữ liệu thần kinh tổng hợp không thể phân biệt với dữ liệu thực.

Đội ngũ đã thực hiện một thí nghiệm trong đó họ đào tạo một bộ tổng hợp spike sâu với một phiên dữ liệu được ghi lại từ một con khỉ đang với tay đến một vật thể. Sau đó, họ sử dụng bộ tổng hợp để tạo ra một lượng lớn dữ liệu thần kinh tổng hợp nhưng giả.

Dữ liệu tổng hợp sau đó được kết hợp với một lượng nhỏ dữ liệu thực mới để đào tạo một BCI. Với phương pháp này, hệ thống có thể hoạt động nhanh hơn nhiều so với các phương pháp hiện tại. Cụ thể, dữ liệu thần kinh tổng hợp của GAN đã cải thiện tốc độ đào tạo tổng thể của BCIs lên đến 20 lần.

“Dưới một phút dữ liệu thực kết hợp với dữ liệu tổng hợp hoạt động cũng như 20 phút dữ liệu thực,” Wen nói.

“Đây là lần đầu tiên chúng tôi thấy trí tuệ nhân tạo tạo ra công thức cho suy nghĩ hoặc chuyển động thông qua việc tạo ra spike trains tổng hợp. Nghiên cứu này là một bước quan trọng trong việc làm cho BCIs phù hợp hơn với sử dụng trong thế giới thực.” 

Sau các phiên thí nghiệm đầu tiên, hệ thống đã có thể thích nghi với các phiên mới với lượng dữ liệu thần kinh bổ sung hạn chế.

“Đó là sự đổi mới lớn ở đây – tạo ra spike trains giả mà trông giống như chúng đến từ người này khi họ tưởng tượng đang thực hiện các động作 khác nhau, sau đó cũng sử dụng dữ liệu này để hỗ trợ việc học cho người tiếp theo,” Itti nói.

Những phát triển mới này với dữ liệu tổng hợp của GAN cũng có thể dẫn đến những đột phá trong các lĩnh vực khác của lĩnh vực này.

“Khi một công ty sẵn sàng bắt đầu thương mại hóa một bộ xương robot, tay robot hoặc hệ thống tổng hợp giọng nói, họ nên xem xét phương pháp này, vì nó có thể giúp họ tăng tốc quá trình đào tạo và tái đào tạo,” Itti nói. “Về việc sử dụng GAN để cải thiện giao diện não máy tính, tôi nghĩ đây chỉ là bước đầu tiên.”