“ BCI腦機接口技術有其局限性，深度偽造技術則可以裨補缺漏！”
今日筆者注意到在《自然生物醫學工程》上發表的一篇論文中，該研究團隊成功地教會了一個人工智能生成合成的大腦活動數據。這些數據，特別是被稱為脈沖序列的神經信號，可以被輸入到機器學習算法中，以提高腦機接口(BCI)的可用性。
01
—
從對BCI的熟悉開始！
這里先給大家普及一下BCI，BCI系統通過分析一個人的大腦信號，并將神經活動轉換成命令，允許用戶只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，甚至可以改善那些患有閉鎖綜合征的患者的生活質量。閉鎖綜合征指的是一個人完全清醒，但無法移動或交流。
各種形式的腦接口已經可用，從測量大腦信號的帽子到植入腦組織的裝置。從神經康復到治療抑郁癥，新的應用案例一直在被發現。但是盡管有這些愿景，事實證明要使這些系統在現實世界中足夠快速和踏實的應用是具有挑戰性的。
具體來說，為了使輸入有意義，BCI需要大量的神經數據和長時間的訓練、校準和學習，計算機科學教授、該研究的共同作者洛朗·伊蒂(Laurent Itti)表示:“如果癱瘓的個體不能產生足夠強大的大腦信號，為BCI提供動力的算法獲取足夠多的數據可能非常困難、昂貴，甚至不可能?！?另一個障礙是:這項技術是針對用戶的，必須對每個人從零開始進行個性化培訓。
02
—
如何生成合成化神經數據？
相反，如果你可以創建合成的神經數據——人工計算機生成的數據——來“代替”從現實世界獲得的數據，會怎么樣? 進入生成對抗網絡。GANs以創建“深度偽造”而聞名，通過反復試驗，GANs可以創建幾乎無限數量的新的、類似的圖像。
該研究的主要作者、由Itti指導的博士生文世賢(音)想知道，GANs是否也可以通過生成與真實神經數據難以區分的合成神經數據，為BCI創建訓練數據。其在論文中描述的一個實驗中，研究人員用一段猴子伸手去拿物體的數據訓練了一個深度學習尖峰合成器。然后，他們用合成器產生了大量類似的——盡管是假的——神經數據。
然后，該團隊將合成的數據與少量新的真實數據(來自同一只猴子在不同的一天，或來自另一只猴子)結合，來訓練BCI，這種方法使系統運行起來比當前的標準方法快得多。事實上，研究人員發現GAN合成的神經數據將BCI的整體訓練速度提高了20倍。他說:“不到一分鐘的真實數據與合成數據結合起作用，20分鐘的真實數據也起作用?！薄斑@是我們第一次看到人工智能通過合成脈沖列車生成思維或運動的配方，這項研究是使BCI更適合現實世界使用的關鍵一步?！?nbsp;
此外，在一個實驗階段的訓練后，系統迅速適應新的階段或對象，使用有限的額外神經數據。伊蒂說:“這是一個巨大的創新——創建假的道釘列車，它們想象著做不同的動作，然后用這些數據來幫助下一個人學習。” 除了BCI, GAN生成的合成數據還可以通過加速訓練和提高性能，在其他需要數據的人工智能領域取得突破。
伊蒂說:“當一家公司準備將機器人骨骼、機器人手臂或語音合成系統商業化時，他們應該看看這種方法，因為它可能有助于他們加速培訓和再培訓。” “至于使用GAN來改善腦機接口，我認為這只是個開始?！?nbsp;
深度偽造大腦是否可以實現？我們拭目以待！
掃描二維碼
獲取醫養精彩
關注作者
