Credit: CC0公共域
南加州大学维特比工程学院的研究人员正在使用生成性对抗网络(GANs)来改善残疾人的脑机接口，GANs是一种以创建深度伪造视频和逼真人脸而闻名的技术
在《自然生物医学工程》上发表的一篇论文中，该团队成功地教人工智能生成合成大脑活动数据
这些数据，特别是被称为尖峰序列的神经信号，可以被输入机器学习算法，以提高脑机接口的可用性(BCI)
BCI系统的工作原理是分析一个人的大脑信号，并将这种神经活动转化为命令，允许用户只使用他们的思维来控制数字设备，如计算机光标
这些设备可以提高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患者——当一个人完全清醒但不能移动或交流时
从测量脑信号的帽子到植入脑组织的装置，各种形式的BCI已经有了
从神经康复到治疗抑郁症，新的使用案例一直在被发现
但是，尽管有这些承诺，要让这些系统在现实世界中足够快、足够健壮还是很有挑战性的
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
“如果瘫痪的人不能产生足够强大的大脑信号，那么为脑机接口提供动力的算法获取足够的数据可能是困难的、昂贵的，甚至是不可能的，”计算机科学教授和该研究的合著者Laurent Itti说
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进行培训
生成合成神经学数据 相反，如果你可以创建人工神经数据——人工计算机生成的数据——来“代替”从现实世界获得的数据呢？ 进入生成性对抗网络
GANs以制造“深度赝品”而闻名，通过反复试验，它可以创造出几乎无限数量的新的类似图像
第一作者温世贤，博士
D
Itti建议的学生，想知道GANs是否也可以通过生成无法与真实事物区分的合成神经数据来为脑机接口创建训练数据
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的尖峰信号合成器，记录了一只猴子伸手去拿一个物体的一段数据
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，研究小组将合成数据与少量新的真实数据相结合——要么来自不同日子的同一只猴子，要么来自不同的猴子——来训练一只BCI
这种方法使系统的启动和运行比当前的标准方法快得多
事实上，研究人员发现，氮化镓合成的神经数据将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的效果和20分钟的真实数据一样好。”
“这是我们第一次看到人工智能通过创造合成尖峰序列来产生思维或运动的配方
这项研究是使脑机接口更适合现实世界使用的关键一步
" 此外，在一个实验阶段的训练之后，系统使用有限的额外神经数据快速适应新的阶段或对象
伊蒂说:“这是这里的一大创新——创造出看起来就像来自这个人的假尖刺列车，他们想象着做不同的动作，然后还利用这些数据来帮助学习下一个人。”
除了脑机接口之外，GAN生成的合成数据可以通过加快训练和提高性能，在人工智能的其他数据密集型领域实现突破
“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，因为这可能有助于他们加快培训和再培训，”Itti说
“至于用GAN改善脑机接口，我认为这只是开始
"
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
