|
“ BCI脑机接口技术有其局限性，深度伪造技术则可以裨补缺漏！”
今日笔者注意到在《自然生物医学工程》上发表的一篇论文中，该研究团队成功地教会了一个人工智能生成合成的大脑活动数据。这些数据，特别是被称为脉冲序列的神经信号，可以被输入到机器学习算法中，以提高脑机接口(BCI)的可用性。 01 — 从对BCI的熟悉开始！ 这里先给大家普及一下BCI，BCI系统通过分析一个人的大脑信号，并将神经活动转换成命令，允许用户只使用他们的思想来控制计算机光标等数字设备。这些设备可以改善运动功能障碍或瘫痪患者的生活质量，甚至可以改善那些患有闭锁综合征的患者的生活质量。闭锁综合征指的是一个人完全清醒，但无法移动或交流。
各种形式的脑接口已经可用，从测量大脑信号的帽子到植入脑组织的装置。从神经康复到治疗抑郁症，新的应用案例一直在被发现。但是尽管有这些愿景，事实证明要使这些系统在现实世界中足够快速和踏实的应用是具有挑战性的。
具体来说，为了使输入有意义，BCI需要大量的神经数据和长时间的训练、校准和学习，计算机科学教授、该研究的共同作者洛朗·伊蒂(Laurent Itti)表示:“如果瘫痪的个体不能产生足够强大的大脑信号，为BCI提供动力的算法获取足够多的数据可能非常困难、昂贵，甚至不可能。” 另一个障碍是:这项技术是针对用户的，必须对每个人从零开始进行个性化培训。
02 — 如何生成合成化神经数据？ 相反，如果你可以创建合成的神经数据——人工计算机生成的数据——来“代替”从现实世界获得的数据，会怎么样? 进入生成对抗网络。GANs以创建“深度伪造”而闻名，通过反复试验，GANs可以创建几乎无限数量的新的、类似的图像。
该研究的主要作者、由Itti指导的博士生文世贤(音)想知道，GANs是否也可以通过生成与真实神经数据难以区分的合成神经数据，为BCI创建训练数据。其在论文中描述的一个实验中，研究人员用一段猴子伸手去拿物体的数据训练了一个深度学习尖峰合成器。然后，他们用合成器产生了大量类似的——尽管是假的——神经数据。  然后，该团队将合成的数据与少量新的真实数据(来自同一只猴子在不同的一天，或来自另一只猴子)结合，来训练BCI，这种方法使系统运行起来比当前的标准方法快得多。事实上，研究人员发现GAN合成的神经数据将BCI的整体训练速度提高了20倍。他说:“不到一分钟的真实数据与合成数据结合起作用，20分钟的真实数据也起作用。”“这是我们第一次看到人工智能通过合成脉冲列车生成思维或运动的配方，这项研究是使BCI更适合现实世界使用的关键一步。”
此外，在一个实验阶段的训练后，系统迅速适应新的阶段或对象，使用有限的额外神经数据。伊蒂说:“这是一个巨大的创新——创建假的道钉列车，它们想象着做不同的动作，然后用这些数据来帮助下一个人学习。” 除了BCI, GAN生成的合成数据还可以通过加速训练和提高性能，在其他需要数据的人工智能领域取得突破。 伊蒂说:“当一家公司准备将机器人骨骼、机器人手臂或语音合成系统商业化时，他们应该看看这种方法，因为它可能有助于他们加速培训和再培训。” “至于使用GAN来改善脑机接口，我认为这只是个开始。”
深度伪造大脑是否可以实现？我们拭目以待！ 扫描二维码 获取医养精彩 关注作者 |
|
|
