南加州大学维特比工程学院的研究人员正在使用生成对抗网络 (GAN)——以创建深度伪造视频和逼真的人脸而闻名的技术——来改善残疾人的脑机接口。
在Nature Biomedical Engineering上发表的一篇论文中，该团队成功地教会了 AI 生成合成大脑活动数据。这些数据，特别是称为尖峰序列的神经信号，可以输入机器学习算法，以提高脑机接口 (BCI) 的可用性。
BCI 系统通过分析一个人的大脑信号并将该神经活动转换为命令来工作，允许用户仅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，甚至是那些患有闭锁综合征的人——当一个人完全有意识但无法移动或交流时。
各种形式的 BCI 已经可用，从测量大脑信号的帽到植入脑组织的设备。从神经康复到治疗抑郁症，新的用例一直在被发现。但是，尽管有这些承诺，但事实证明，要使这些系统足够快速和强大以适应现实世界的挑战。
具体来说，为了理解他们的输入，BCI 需要大量的神经数据和长时间的训练、校准和学习。
“如果瘫痪的人无法产生足够强大的大脑信号，那么为 BCI的算法获取足够的数据可能会很困难、很昂贵，甚至不可能，”计算机科学教授和研究合著者Laurent Itti说。
另一个障碍：该技术是针对特定用户的，必须为每个人从头开始进行培训。
生成合成神经数据
相反，如果您可以创建合成神经数据——人工计算机生成的数据——可以“代替”从现实世界中获得的数据呢?
进入生成对抗网络。GAN 以创建“深度伪造”而闻名，它可以通过反复试验来创建几乎无限数量的新相似图像。
主要作者文世贤，博士。Itti 建议的学生想知道 GAN 是否也可以通过生成与真实事物无法区分的合成神经数据来为 BCI 创建训练数据。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！