各种形式的脑机接口已经出现,从测量脑信号的帽到植入脑组织的装置。新的用例一直在被识别,从neurorehabilitation治疗抑郁症。但是,尽管有这么多的希望,要使这些系统在现实世界中足够快速和健壮仍然是一个挑战。
具体来说,要理解他们的输入,bci需要大量的神经数据和长时间的训练、校准和学习。该研究的合著者、计算机科学教授洛朗·伊蒂(Laurent Itti)说:“如果瘫痪的人不能产生足够强劲的大脑信号,那么为为BCIs提供动力的算法获取足够的数据是困难的、昂贵的,甚至是不可能的。”
另一个障碍是:这项技术是针对特定用户的,必须为每个人从头开始培训。
生成合成神经数据
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,那会怎么样?
进入生成式对抗网络。以创建“深度伪造”而闻名,GANs可以通过反复试验的过程创建几乎无限数量的新的、类似的图像。
主要作者文世贤(音)是伊蒂提供建议的博士生,他想知道GANs是否也可以通过生成与真实数据无法区分的合成神经数据来为BCIs创建训练数据。
在论文中描述的一个实验中,研究人员训练了一个深度学习Spike合成器与一个会话的数据记录从猴子达到一个对象。然后,他们使用合成器生成大量类似的——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结合起来,这些数据要么来自不同一天的同一只猴子,要么来自不同的猴子,以训练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。
温说:“不到一分钟的真实数据与合成数据相结合,就像20分钟的真实数据一样有效。”“这是我们第一次看到人工智能通过合成spike train生成思维或运动的配方。这项研究是使BCIs更适合实际使用的关键一步。”
此外,在一次实验训练之后,该系统利用有限的额外神经数据迅速适应新的训练或主题。伊蒂说:“这是一个很大的创新——创造出假的尖顶列车,当他们想象做不同的动作时,看起来就像是来自这个人,然后也使用这些数据来帮助下一个人学习。”
除了BCIs, gan生成的合成数据可以通过加速训练和提高性能,在人工智能的其他需要数据的领域实现突破。
伊蒂说:“当一家公司准备开始将机器人骨骼、机器人手臂或语音合成系统商业化时,他们应该考虑这种方法,因为它可能帮助他们加速培训和再培训。”“至于使用GAN来改善脑机接口,我认为这只是一个开始。”
这篇论文发表在自然生物医学工程.
来源:南加州大学