南加州大學維特比工程學院的研究人員正在使用生成對抗網絡 (GAN)——以創(chuàng)建深度偽造視頻和逼真的人臉而聞名的技術——來改善殘疾人的腦機接口。
在Nature Biomedical Engineering上發(fā)表的一篇論文中，該團隊成功地教會了 AI 生成合成大腦活動數據。這些數據，特別是稱為尖峰序列的神經信號，可以輸入機器學習算法，以提高腦機接口 (BCI) 的可用性。
BCI 系統(tǒng)通過分析一個人的大腦信號并將該神經活動轉換為命令來工作，允許用戶僅使用他們的思想來控制計算機光標等數字設備。這些設備可以改善運動功能障礙或癱瘓患者的生活質量，甚至是那些患有閉鎖綜合征的人——當一個人完全有意識但無法移動或交流時。
各種形式的 BCI 已經可用，從測量大腦信號的帽到植入腦組織的設備。從神經康復到治療抑郁癥，新的用例一直在被發(fā)現(xiàn)。但是，盡管有這些承諾，但事實證明，要使這些系統(tǒng)足夠快速和強大以適應現(xiàn)實世界的挑戰(zhàn)。
具體來說，為了理解他們的輸入，BCI 需要大量的神經數據和長時間的訓練、校準和學習。
“如果癱瘓的人無法產生足夠強大的大腦信號，那么為 BCI的算法獲取足夠的數據可能會很困難、很昂貴，甚至不可能，”計算機科學教授和研究合著者Laurent Itti說。
另一個障礙：該技術是針對特定用戶的，必須為每個人從頭開始進行培訓。
生成合成神經數據
相反，如果您可以創(chuàng)建合成神經數據——人工計算機生成的數據——可以“代替”從現(xiàn)實世界中獲得的數據呢?
進入生成對抗網絡。GAN 以創(chuàng)建“深度偽造”而聞名，它可以通過反復試驗來創(chuàng)建幾乎無限數量的新相似圖像。
主要作者文世賢，博士。Itti 建議的學生想知道 GAN 是否也可以通過生成與真實事物無法區(qū)分的合成神經數據來為 BCI 創(chuàng)建訓練數據。
標簽：
免責聲明：本文由用戶上傳，與本網站立場無關。財經信息僅供讀者參考，并不構成投資建議。投資者據此操作，風險自擔。 如有侵權請聯(lián)系刪除！