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)来改善残疾人的脑机接口,这种技术以制作深度假视频和逼真的人脸而闻名。
在一篇发表于自然生物医学工程在美国,该团队成功地教会了人工智能生成合成的大脑活动数据。这些数据,特别是被称为尖峰序列的神经信号,可以输入到机器学习算法中,以提高脑机接口(BCI)的可用性。
BCI系统的工作原理是分析一个人的大脑信号,并将神经活动转化为命令,允许用户仅用他们的思想来控制电脑光标等数字设备。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症的人的生活质量。闭锁综合症是指一个人完全有意识,但无法移动或交流。
各种形式的脑机接口已经可用,从测量大脑信号的帽子到植入脑组织的设备。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,尽管有这样的希望,要使这些系统在现实世界中足够快速和健壮,仍然是一项挑战。
具体来说,为了理解它们的输入,脑机接口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、该研究的合著者劳伦特·伊蒂(Laurent Itti)说:“为为脑机接口供电的算法获取足够的数据可能是困难的、昂贵的,如果瘫痪的人无法产生足够强大的大脑信号,甚至是不可能的。”
另一个障碍是:这项技术是针对用户的,必须为每个人从零开始进行培训。
生成合成神经学数据
如果,相反,你可以创造合成的神经数据——人工计算机生成的数据——可以“代替”从现实世界获得的数据呢?
进入生成对抗网络。gan以创造“深度伪造”而闻名,它可以通过反复试验的过程创造出几乎无限数量的新的、相似的图像。
第一作者、Itti指导的博士生Shixian Wen想知道,gan是否也可以通过生成与真实数据难以区分的合成神经学数据来为bci创建训练数据。
在论文中描述的一项实验中,研究人员训练了一个深度学习尖峰合成器,该合成器记录了一只猴子伸手去拿物体的一段数据。然后,他们使用合成器生成大量相似的——尽管是假的——神经数据。
然后,研究小组将合成的数据与少量新的真实数据结合起来——要么来自同一只猴子在不同的日子里,要么来自不同的猴子——来训练脑机接口。这种方法使系统启动并运行的速度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创造合成尖峰列车来产生思想或运动的配方。这项研究是使脑机接口更适合实际使用的关键一步。”
此外,经过一个实验阶段的训练后,系统使用有限的额外神经数据迅速适应新的阶段或主题。
伊蒂说:“这是一项重大创新——制造假的尖峰列车,当他们想象做不同的动作时,看起来就像来自这个人,然后利用这些数据来帮助学习下一个人。”
除了bci, gan生成的合成数据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。爱博网投官方网站
伊蒂说:“当一家公司准备开始将机器人骨架、机械臂或语音合成系统商业化时,他们应该考虑这种方法,因为它可能有助于他们加快培训和再培训。”“至于使用GAN来改善脑机接口,我认为这只是一个开始。”
该论文由南加州大学博士研究生Tommaso Furlanello共同撰写;Facebook的Allen Yin;日内瓦大学的M.G. Perich和西北大学的L.E. Miller。
期刊引用:
引用此页: