Инновационные технологии стремительно расширяют человеческие возможности. Новое исследование, проведенное учеными из Техасского университета в Остине, демонстрирует универсальный неинвазивный интерфейс «мозг-компьютер» (BCI), который позволяет пользователям играть в компьютерные игры посредством чтения мыслей.
«Неинвазивные интерфейсы мозг-компьютер (BCI), основанные на электроэнцефалографии (ЭЭГ), доказали свою эффективность в таких приложениях, как нейрореабилитация, робототехника, коммуникация или виртуальная реальность», — пишут авторы-корреспонденты Сатьям Кумар и Хосе дель Р. Миллан в сотрудничестве с Хусейном Алавие, Фридьесом. Сэмюэл Рац и Раван Фахреддин из Техасского университета в Остине.
Использование мыслей как метода управления внешними вычислительными устройствами и электроникой — это большой шаг вперед для человечества. Для сравнения: в 1950–1970-х годах первые компьютеры программировались с использованием стопок бумажных перфокарт, пока в начале 1980-х не появились магнитные ленты, жесткие диски и другие технологии хранения данных. В последнее время интерфейсы «мозг-компьютер» набирают обороты.
Концепция интерфейсов «мозг-компьютер» проста: использовать технологии, помогающие «читать» мысли человека и выполнять команды для управления внешними вычислительными устройствами. Исполнение гораздо сложнее. BCI требуют регистрации активности мозга путем записи и определения предполагаемых действий человека. Устройство регистрации активности мозга может представлять собой инвазивный имплантат, требующий хирургического вмешательства в соответствующие области мозга, или неинвазивный метод, такой как электроэнцефалография (ЭЭГ).
Искусственный интеллект (ИИ) помогает расшифровывать предполагаемую деятельность человека по его мыслям, предсказывая предполагаемое действие на основе сложных данных о деятельности мозга. Ключевым компонентом развития интерфейсов «мозг-компьютер» является применение машинного обучения ИИ, помогающего находить закономерности в активности мозга.
Обычно обучение пользователя интерфейса «мозг-компьютер» включает в себя трудоемкий и кропотливый сбор данных о мозговой активности для калибровки и построения индивидуального декодера для каждого пользователя. В качестве короткого пути декодеры используют предварительно записанные данные мозга от одного эксперта — процесс, известный как межсубъектное трансферное обучение.
Что отличает это исследование, так это то, что исследователи из Техасского университета в Остине разработали инновационный метод создания интерфейса «мозг-компьютер», который не требует калибровки, с использованием межпредметного трансферного обучения и специальной структуры, которую они разработали.
Исследователи создали риманову систему поэтапной адаптации предметной области, которая использует статистику первого порядка для сопоставления распределений предварительно записанных данных от одного эксперта с неопытными пользователями в режиме реального времени. В математике риманова геометрия, или эллиптическая геометрия, названа в честь немецкого математика Бернхарда Римана (1826–1866), чья геометрия легла в основу общей теории относительности Альберта Эйнштейна.
В этом исследовании участники носили неинвазивные шапочки с электродами, которые измеряют электрические сигналы мозга, которые декодер преобразует в команды. Исследователи оценили свою систему на 18 здоровых участниках исследования, выполняя две задачи: простую игру по балансированию цифровой планки и автомобильную гоночную игру Cybathlon. Первоначальный декодер для перевода мозговой активности в вычислительные команды был разработан на основе данных, собранных от одного пользователя, который выполнял только задачу в баре, а не в гоночной игре. По словам исследователей, этот декодер работал настолько хорошо, что позволял участникам одновременно тренироваться как в игре в баре, так и в автомобильных гонках.
«Мы показываем, что наряду с улучшенной производительностью BCI в обеих задачах, наши системы способствовали способности субъектов приобретать индивидуальные навыки BCI, поскольку первоначальные нейрофизиологические функции контроля субъекта-эксперта развивались и становились специфичными для субъекта», — заключили исследователи.
С помощью этой инновационной структуры гораздо проще обобщить декодеры мозговых волн для интерфейсов мозг-компьютер без трудоемкой калибровки в будущем.
